当然，上述的描述是不对的。毕竟，芯片当中紧张实现功能的是半导体。既然是半导体吗，在实现打算的过程中，必须是会产生信息丢失的，丢失的信息作为能量一种表现形式，必须会遵照热力学第二定律终极转化为热量，这也便是热力学第二定律的数学表达熵增定律所描述的。虽然这样做，确实是可以提升打算速率，减少功耗，达到降落单位面积发热这点确实有效。但是，别忘了，现在超导材料的限定还是很大的，目前实用型的超导材料大多还是须要液氦加持，你可以想一下，做出来那个芯片出来，用的时候还要准备一大瓶子液氦在准备着，这画面实在太惊悚，我都不敢用了。
不过，真正的超导芯片，并不是用半导体材料来做主器件的，大略来说它根本不是用我们认知中的那种半导体晶体管，而是用一种可以称做超导体晶体管的东西来实现的，当时我虽然知道以上一些信息，但是对付超导物理和固态物理方面的知识也比较浅薄，以是趁此机会又重新打仗了一些这方面的信息。也是2023年，中国科学院打算技能研究所揭橥的一篇《SUSHI: Ultra-High-Speed and Ultra-Low-Power Neuromorphic Chip Using Superconducting Single-Flux-Quan》（https://dl.acm.org/doi/10.1145/3613424.3623787）论文向我揭开了超导器件和超导体电路学的一角，我们就从打仗这篇文章来理解一下超导器件。
要理解超导器件，要通过这篇文章里的两个核心关键字，一个是RSFQ（Rapid Single-Flux-Quan，快单磁通量子），其余一个是Josephson junctions（约瑟夫森结），看到后面这个词，理解芯片的人该当就能想到PN结，对这个便是超导器件的关键。我们从这个东西的历史开始提及。
约瑟夫森结它以英国物理学家布赖恩·戴维·约瑟夫森命名，由二个相互微弱连接的超导体组成，而这个微弱贯串衔接的组成，构造有三种，一种是一个薄的绝缘层（称为超导体–绝缘体–超导体接面，简称S-I-S），或者是一小段非超导金属（简称S-N-S），或者是可弱化打仗点超导性的狭窄部分（简称S-s-S）。
而约瑟夫森效应，它是宏不雅观量子效应的一种表示。约瑟夫森效应是一种横跨约瑟夫森结的超电流征象。这位物理学家在1962年提出了弱连接上的电流与电压关系式。预测了超导状态下库柏对的隧穿征象，他也因此得到了1973年诺贝尔物理学奖。这种超电流征象，大略来说，便是在没有电压的情形下，在约瑟夫森结中有电流存在，本色上便是一种量子隧穿效应，低温下库珀对从约瑟夫森结的一端跳到其余一端。而且超导体有一个临界电流，当在约瑟夫森结上的电流大于临界电流的时候，约瑟夫森结上的电压就涌现了。
来源：赖恩·戴维·约瑟夫森个人主页（https://www.tcm.phy.cam.ac.uk/~bdj10/）
看到这里，是不是创造了什么？对，有电压和无电压，就达成了二进制。有了二进制，我们是不是就可以用约瑟夫森构造成晶体管来制造超导打算机了？好的，还真有人搞了，那便是大名鼎鼎的IBM（正由于是IBM搞过的，以是知道此路不通），IBM从二十世纪六十年代开始就按照这个思路搞超导打算机，然后创造搞不下去了。后面由80年代科技超越美国的日本连续搞，在2004年2月17日，日本揭橥了天下上首款超导微处理器。然后，就没有然后了，为什么呢？
上面已经说了，奉养这个家伙，首先须要超低温支持，然后，这个处理器只能达到1Ghz，这是什么技能水平呢？1995年，首次运行达到1Ghz的DEC AlphaAXP已经涌现，而到了2000年3月6日，首款1Ghz的X86处理AMD Althon 1G也涌如今市场上了；再有一个问题是集成度，日本这款处理器按当时的信息，在芯片上只集成了5000个约瑟夫森结，作为比拟，15年前的80486芯片上集成了120万个晶体管。
那为什么会有这种问题呢？首先，IBM搞的路线，便是海内很多自媒体写的那样，用超导材料和半导体结合的办法去搞，搞出超导晶体管，构成逻辑门，很经典的思路，当是，这种超导晶体管，他在0/1转换时却有这么一种问题，从0到1，它是立即变革的，但是从1到0，它却存在明显的迟滞效应，就像首款DTL集成电路那种，这种构造你可以理解是存在一个电容，充电速率很快，但是存在比较长的放电韶光，那么问题就来了，这种问题会大大限定住电路的运行速率，以是跟DTL电路一样，终极被替代掉了。
那么是不是此路就一定不通呢，肯定不是了，要不然我们中国科学院打算技能研究所也不会搞出了一个“苏轼”芯片了，那是谁打通了超导芯片的任督二脉呢？这位大神是苏联莫斯科大学的研究员——康斯坦丁·利哈列夫。之前说过，超导电路之以是没有成功，是由于用了半导体的材料知识去建立超导电路，没有精确的利用超导体的约瑟夫森效应，也便是没有利用超导材料物理上的上风的思路来利用材料，那么利哈列夫大神做了什么呢？
来源：康斯坦丁·利哈列夫个人主页https://www.stonybrook.edu/commcms/physics/people/_profiles/likharevk
他在八十年代，以一己之力，抛开了晶体管-逻辑门的原有思路，按照约瑟夫森效应的干系物理征象，从零构建了一套全新的技能路线，这条路线，便是前面论文中的“快单磁通量子”，它也有其余一个名字，叫快速单通量量子。
他利用两个约瑟夫森结造了一个环路，利用约瑟夫森效应在这个超导环路上形成了一个电流，好吧，有点像永动机了，但是真不是永动机，回正题，根据法拉弟电磁感应理论，电能生磁对吧，而在量子理论下，生的这个磁，磁通量子，是有个最小单位，单磁通量子（普朗克大神发威），以是磁通量发生变革时，只能一个能级一个能级地变革，而在磁通量变革时，反过来磁又生电，产生了一个很特殊的电路波形。
上面这个波形像什么呢？看看下面的图
是不是像脑神经元活动的峰放电和簇放电的范例特色电波形，以是，目前这个路线的技能目前紧张用于类脑芯片，就像中科院搞的苏轼芯片那样。
按照前面讲过的，通过有脉冲为1，无脉冲为0，那么二进制就有了，一个脉冲，是皮秒级别的，速率超快以是IBM的技能职员看到了之后，就想象着1Thz的芯片去了，但是此路不通；但是利哈列夫敏锐的看到，这种电路，是脉冲形的，不是常见数字电路是电平型的，所有的电路逻辑必须重新布局，利哈列夫在1991年揭橥出来的论文《RSFQ Logic/Memory Family: A New Josephson-Junction Technology for Sub-Terahertz-Clock-FrequencyDigital Systems》里面就详细阐述了关于RSFQ这类电路的各种类型的电路构造。
本来吗，还看着是不是这位大神会不会再给老大哥整出一条除了微缩电子管之外的全新技能路线出来，很可惜，论文出来后没有多久，老大哥没了，但是呢，这位老哥太神，很快就在美国石溪大学再就业，觉得跟德三一样啊，又被老美捡宝了。
好了，到此，关于超导器件的根本知识讲完了，下面我们来讲一下由这种超导器件组成的神经网络芯片，前面有讲，超导电路产生的旗子暗记神经元产生的旗子暗记非常相似，以是，用它来模拟神经网络是一件很自然的事。
先来说一下大略的神经网络吧，小伙伴们都知道，我们的大脑是由数量巨大的神经元所组成的，我们大脑思考的过程实在便是神经元所构成的网络利用权重进行投票的过程。一个神经元有一个轴突和多少个树突，家人们想到了什么，函数？逻辑门？
在神经细胞中，树突对付神经元相称于输入，轴突对付神经元相称于输出，神经细胞的每个树突有长有短，有粗有细，突处也有多有少，这些都造成了旗子暗记通报的过程中有的是衰减，有的是加强，韶光也有先后，以是这些树突通报过来的脉冲对神经细胞体所产生的影响也就不一样的，这就相称于是每个旗子暗记都有一个加权值，获取到的输入旗子暗记经由加权运算后相加，当达到一定阈值时，就会产生一个旗子暗记通过轴突通报出去；终极，巨大数量的神经细胞组成神经网络，通过繁芜的权重打算构成了我们人类的思考过程。这种神经网络架构，也被称为脉冲神经网络ANN。
过往，我们在常见的半导体集成电路上怎么完成这个模拟过程呢？大略来说，便是大力失事业，通过堆料的办法，利用巨大量的打算，对神经网络进行模拟；详细设计时甭管它精度怎么样，速率是最优先考虑的问题，以是阿，现在很多神经打算芯片，都不考虑科学打算中大量需求的FP64的运算速率怎么样了，连对FP32的优化都是基操而已，但是十分看重FP16，乃至某些设计都开始用INT8来进行推理运算，反正大多数的权重数字都调度到非常大略，便于运算，反正硅基集成电路集成度还有空间，只有力大就可以砖飞吗。
但是这种大略的力大砖飞带来一个十分令人头痛的问题——功耗，不要说演习模型了，便是在后面利用这个模型进行推理，所利用的硬件和电能也是十分动听的。以是其它的架构就派上用场了，比如上面所说的超导器件，它天然的便是形成了那种神经细胞电波形的脉冲。
但是将它利用到集成电路中，拥有着巨大的难度，首先是它的集成度很低，目前器件还是微米级别的。然后它的速率太快了，它的脉冲电旗子暗记是皮秒级别的，速率冲着1Thz去的，而我们人体的神经细胞呢，那是通过钾钠离子的化学浸染进行通报的东西，那是毫秒级别的，根本不同一个数量级。这就导致了一个这样的问题，在超高的旗子暗记速率下，任何导线都成为了延迟线，这就导致了脉冲到达运算单元时的不同步。这就要了电路的老命了，你旗子暗记不同步的话，怎么能实现有效的输出呢？好吧，这里要利用到其余一种知识了，电路板上对付高频的并行线路，要利用通过蛇形线来实现旗子暗记的同步，事理便是，不同的旗子暗记通过的导体长度一样，那么，他们到达目标的韶光就会同步。
以是，在超导电路中，为了实现这个同步，就利用了大量繁芜的布线来知足旗子暗记传输的同步性。这就成为了一个在设计芯片时的巨大难题。末了还有一个问题，这种芯片是如此之快，目前没有任何成熟的，可以集成到超导芯片中的可用工艺用于实现数据的大量存储。到末了，数据的存储又将回到利用延迟线进行存储的技能中（UNIVAC打算机）。在目前已知的技能中，芯片中超过80%的面积是用来安排超导传输线布线的。
以上几种技能困难限定了超导集成电路器件的发展。
然而，中科院的苏轼芯片，从其余一个角度办理了上述的问题，首先ANN的核心算法是要打算各个输入状态在加权求和后是否超过阈值，高于阈值输出1，低于阈值输出0。但是我们很难对齐这么多个这么多个输入（前面提到的同步问题）是不是，那么我就改变一下思路了，电路中有一种叫积分电路，同样可以实现加权求和这种运算的，利用到数字电路上，我很难同时吸收这么多个输入并且打算他们的加权求和值，但是我一样平常的数豆子速率很快（皮秒级别），那么我将输入的一个脉冲按这个输入的加权变为N个脉冲，然后将多路输入的加权求和变为脉冲计数器的计数操作。如此，就不用加法器乘法器之类的东西，直接搞出了被称为状态掌握器的存算一体运算单元
然后将多个状态掌握器连接起来表示一个神经元的状态，文章中还给出了很主要的结论，便是这个神经元须要表示的状态数少于500，果真是大神级的。
在上述创新的根本上，再合营上优化的算法等一系列手段，仅仅以传统的矩阵式网络连接，就使上述的同步，存储等两个问题得以办理，然后在不须要繁芜的同步延迟布线的条件下，大大增加了集成度，这里就只能用一个字来形容，强。后面的操作，也返回到了堆料，堆韶光进行打算的问题上了。
虽然，苏轼芯片所设计出来的芯片仍旧只是一块用于类脑神经网络仿照的专用芯片，而非办理通用打算问题的通用芯片，但是它所表现出来的是对某种特定问题的办理方案供应一个很好用的思路。
好了，对付超导集成器件，暂时就理解到这里，后面就连续学习和理解其它形式的体系架构。
