编者按：模拟芯片技术的长期目标是在减少能量消耗的同时增加可操作信息量，从而实现高效、实时（低延迟）的传感－模拟－信息通路，实际信息压缩比期望做到10＾5（即10万）：1。

在此十年中，美国将每年投资6亿美元用于研究模拟电子的新方向。已选优先研究的课题罗列如下。

美国半导体十年计划研讨会牵头制定了“模拟电子新方向”的长期目标，该研讨会由学术界、工业界和政府实验室的专家组成。“模拟电子新方向”包含以下五个研究领域：

模拟信息通信系统（ICT）

智能传感器：传感和致动

太赫兹模拟技术

端侧机器学习中的模拟技术

模拟设计的效率和生产可预测性

该文是模拟信息通信系统部分的翻译，由于编译人员经验尚浅，不当之处，请多指教。

虽然没人能准确预测未来信息与通信技术（ICT）将如何发展，但在技术可行性的前提下投入资源去探索最佳应用场景是值得的。人们的日常生活和经济活动都离不开模拟ICT技术，正是通过模拟ICT技术来感知真实的物理世界，并与物理世界进行交互。

这部分讨论模拟技术的基础限制，并通过开放式讨论以集思广益，探讨模拟技术未来的应用及其对半导体产业的影响。此外，还将讨论模拟新技术带动的新应用，或对能耗、带宽等性能指标的显著提高。从根本上来说，所有信号都是都是模拟信号，并被模拟或物理特性所限制。在很多场景中，相比先数字化再通过数字信号算法进行处理，模拟信号处理既快速又高效。

在众多模拟ICT系统技术分支中，高速数模转换器（ADC）是首要的研究方向，无论是6G无线通信、数据中心、远程医疗和宽带雷达波束成形，都需要高速ADC来增加带宽。

对密度和能效要求更高的存储器技术推动了三维（3D）架构在超大规模系统集成在应用中的发展，3D集成在测试成本和热管理上面临挑战，图1显示了从鳍式晶体管（FinFET）到全环绕栅极晶体管（Gate－All－Around FET）的发展路线图，采用GAA工艺，有望提高存储器的渠道控制能力，并消除设计规则带来的瓶颈。包括“异构集成”在内的其他3D集成方法可以提供更快速高效的信息处理方法。

图 1． 3D超大规模晶体管及架构演进路线图

（来源：ADI Gabriele Manganaro）

一个基础问题是模拟电子技术创新如何助力当今先进计算与信息处理范式演进。而这就需要对器件缩放、高效信号处理与电路架构都有非常深入的理解。更需要透彻理解的是在功耗与其他性能（例如高增益、噪声、漏电流和更低的电源干扰）之间进行平衡折中。图2表现了一个理想NMOS晶体管在器件级的参数折中。

图 2． MOS器件缩放应考虑参数示例

（来源：哥伦比亚大学 Peter Kinget）

伴随工艺尺寸不断缩小，电源效率在提升，但增益和转换频率的改善幅度急剧下降了，增益和转换频率没有提升影响了器件在无线通信应用时的性能。也应该注意到，因为电源电压与运行模式（Class A、ClassB等）相关，要考虑信号失真与噪声限制，电源电压就不能任意降低。

更新的电路架构有助于降低供电电压。例如，传统运算放大器的供电电压VDD缩放技术会产生比较小的输出摆幅、较高的饱和电压，以及较大的噪声预算都消耗在有噪声限制的一阶上。如果选择开关模式拓扑，则可能同时实现轨到轨输出、低输出阻抗及更大的带宽。

未来的（ADC）设计迭代将主要在三个方面进行。首先是更好（更高采样率）的模数转换技术，从而避免因有限带宽的模拟信号而带来的问题，模拟信号的带宽限制是由于数字化时高效过采样和量化操作而造成的。第二是利用压缩采样（compressive sampling， 简称CS）实现将稀疏模拟信号转化为数字信号的信息转化技术。第三是借助机器学习，在特征频率低于信号最大频率时，实现模拟信号的特征抽取。

压缩采样的一个应用是用单像素相机进行快速光谱扫描，如图3所示。

图 3． 压缩采样实现的快速光谱扫描

（来源：哥伦比亚大学 Peter Kinget）

下一个十年的传感器与致动器技术

从业者对手机成本、尺寸、性能和带宽的追求推动手机经济不断发展。其中，GPS导航、影像的光学和电子防抖，以及指纹认证等功能的成功，都离不开可靠的传感器设计。过去五年来，手机常用传感器的灵敏度和精准度提升了十倍，而功耗、成本和尺寸降为五年前的五分之一，这样的趋势还将延续。

物理学和人工智能在器件上的融合计算对基于MEMS（微机电系统）技术传感器的创新设计有很好的推动作用，可以改善加速度计、陀螺仪、超声波指纹传感器、生物传感器和麦克风等诸多MEMS传感器的设计。所有这些传感器应用到设备中，正越来越顺畅地在航迹推测、稳定控制、撞击检测、自适应照明、图像稳定和牵引控制等功能上发挥作用。

更好的传感器性能，意味着更高的信噪比、更高的动态范围，以及低于1毫瓦的功耗。研发人员也希望采用比55纳米更先进的半导体工艺来制造传感器，并采用超小尺寸环保封装。传感器与致动器及其相关的信号处理技术，在“智能传感”一节中有详述。

用16纳米以下先进制程开发的

高良率与高性能兼具的ADC

下面以基于数字调制雷达（Digitally Modulated Radar）的车载雷达系统为例，说明为何需要高速ADC。（数字）伪随机序列（Pseudo－Random Binary Sequence，简称PRBS）调制到连续波载波信号（79GHz）后，作为测距信号发射出去。

设计PRBS要满足三个要求，即减少距离模糊（序列长度）和提高距离分辨率（脉冲宽度带宽），并提供优异的抗干扰能力。雷达的工作原理，是依靠ADC对接收到的反射信号采样，并实时进行相关与累加计算，从而得到被测目标的距离范围，最后可以通过快速傅里叶变换（FFT）得到被测目标的速度。和基于调频连续波（Frequency Modulated Continuous－Wave，简称FMCW）的雷达相比，数字调制雷达方案更简单，但是对信号处理的能力要求极高，相关器和累加器要能处理从数吉赫兹（GHz）ADC送出的数字信号。如果再考虑利用基于多入多出（MIMO）技术的波束成形来提升探测范围和角分辨率精度，那么计算速度就要进一步提升了。

要接收PRBS信号，就需要极高带宽（2－5GHz）的ADC，高带宽ADC相应也要求高采样率（4GS／s－10GS／s），在如此高带宽和高采样率时，如何对抗器件信号的抖动、偏移、噪声等非理想特性，让开发设计变得更难。再考虑在同一颗裸芯片（die）上对数吉赫兹ADC输出的数据进行相关、累积与快速傅里叶变换等实时处理的需求，情况就更为复杂。

这就需要用当前最先进的CMOS工艺（例如16纳米或更小节点）来实现吉赫兹ADC输出数据的处理功能，这也推动了采用与ADC数据处理器相同的工艺（16纳米以下）来实现ADC的需求。以一个28纳米CMOS工艺用于数字调制雷达的收发器为例，该架构能有效实现增益（大于70dB），但该收发器的性能确实受制于28纳米工艺，因而处理数字信号速度还不够快，这是需要更先进CMOS工艺来实现ADC的直接例证。

商业应用对吉赫兹ADC技术（16纳米以下工艺实现）有迫切需求，例如基于数字调制雷达的车载雷达系统，所以对该领域的研究有相应的迫切需求。

在这方面，很多大学里对吉赫兹采样率ADC的研究仅集中在功耗、有效位数（ENOB）和采样率等三大指标上，但此类研究完全忽视了ADC在实际应用中需要考虑的关键因素，例如干扰、工作温度范围、成本等指标。因此，面向应用的商用ADC设计必须符合大批量生成的要求，能通过严苛的环境温度与可靠性测试，并具备优良的品质因数。因此，学术界和工业界对吉赫兹ADC的研究都必须统一到可批量商用方向上，这就要求大学、工业界和科研资助机构（例如美国科学研究委员会SRC、美国国防部高级计划研究局DARPA及美国国家科学基金会NSF等）通力合作，一起向着这个目标将ADC技术推进到16纳米以下工艺。

基于氮化镓等优良工艺的功率电子技术

电子系统的每个组件都需要电源供电，而电源供电的转换方式呈现出多种多样的形态。地球上的电子设备越来越多，所有的电子设备都在推动电源市场增长，也都需要更高的能源效率。此外，能源密度不再只是移动设备的关注点，从移动设备到数据中心，都要重视能源密度，乃至基础的阻容元件耗电都要考虑。业界正专注于如何用创新的解决方案来满足电子设备对于电源转换模块的尺寸、成本与效率的要求。用从基础元器件到线路拓扑以及电源链路架构的全局思维来进行研究，从而得到更优的解决方案，以提升电源链路性能。

巴利加（Baliga）高频品质因数是功率半导体在高频工作时的重要指标。该品质因数揭示，功率器件的功率损耗会随着工作频率平方根而增长，也与输出功率大小近成比例。采用更高迁移率和更大临界击穿电场工艺制造的功率器件可有效降低功率损耗。氮化镓（GaN）器件的栅极电容低，阻抗低，因而栅极驱动损耗低，所以能有效减少电源损耗。在无线电力传输和自动驾驶中，则通常采用包络跟踪等技术，来有效提升电源转换效率，减少热损耗带来的能量损耗。

而且，将GaN器件集成到更高层级的集成电路也是一种趋势。例如单片栅极驱动和开关、片上电源系统、单封装电源系统，以及集成有源功率插入器的稳压器（Power and Active Interposers with integrated voltage regulators．）。特别是片上电源（PowerSoC），可集成控制器、栅极驱动、传感电路、保护电路和电感（或变压器）。集成稳压器优点很多，例如，为超大规模集成电路系统减少片上面积，以及提高工作频率与电池寿命等。在《2018 GaN功率电子路线图（The 2018 GaN power electronics roadmap）》中，讨论了当前GaN技术的发展趋势。

衬底技术的进一步发展将能有效推动GaN技术向前发展。例如，200毫米硅基氮化镓和

GaN－on－CTE（热膨胀系数？）衬底都前途光明。而且，氧基氮化镓（GaNoX）晶体质量奇佳，适用范围很广，与碳化硅器件相比（电压到1200V），性价比又有优势。由于成本低、效率高，预计GaN晶体管将取代普通硅功率MOSFET。最后，超宽禁带（UWBG）器件在效率和能源密度上更具优势。

应用于人工智能的

模拟突触器件（Analog Synaptic Devices）

借鉴生物技术，模拟设计得以实现神经形态学习与存内计算，从而更高效地处理传感器实时信号。但是，基于云计算的深度学习算法非常耗电，而基于物联网技术的边缘设备在处理传感器数据时相对节能，因此在自适应传输学习（adaptive transfer learning）中更适合采用边缘设备。

而新兴非易失存储器（eNVM）可支持每瓦每秒100万亿次运算（100 TOPS／W），应用场景广泛，这些新兴非易失存储器技术包括导电细丝阻变存储器和非导电细丝阻变存储器（ Filamentary and Non－Filamentary RRAMs）、相变存储器、铁电存储器等。新兴非易失存储器架构如图4所示。

这些eNVM将被优化设计以打造更高密度的计算存储（In－Compute Memories， 简称ICM），该类器件耗能更低，可以增加密文并有助于实现同态加密。

另外，理想情况下，新架构中使用的交叉开关阵列能实现高效ADC，可以调节每列数据的精度。新架构在解决适定性（satisfi ability，简称SAT）问题方面将有很多应用，例如预测集成电路中的串扰噪声、模型核验、有效状态系统测试、逻辑综合中的技术映射，以及自动推理。

据此，模拟SAT解算方案在时钟、面积和能耗上将（比数字SAT解算方案）更高效，利用单变单元（single variable cells）或开关可变电容技术，模拟SAT独辟蹊径，可以更好地在时钟和功耗之间达到平衡。模拟SAT解算方案与计算存储（ICM）是热门领域，正在受到广泛研究，其中可扩展模块化并行电路与系统可用于SAT解算，而本地SRAM和低功耗电荷域乘积计算元素技术可用于开发可编程ICM单元。在传感器数据处理方面，模仿人脑对信息处理的仿生系统是大热方向，例如用电路实现神经突刺（neural spiking）以及如何激发更多神经突刺，而大规模并行单可变单元实现的伪模拟存储（pseudo－analog memory）也将有助提高传感器数据处理效率。

图 4． 应用于AI引擎的模拟突触器件结构

（来源：Michael Niemier， University of Notre Dame）