世界是怎樣改變的(2)

這次更新較慢，主要是眼睛問題。

隨著老花的進展，眼睛對手機、筆記本和外接屏幕三個距離完全無法兼容，不同距離不光度數不同，瞳距瞳高等都不一樣，而漸進鏡片又有嚴重的視野寬度問題。沒有理想的方案。

聽聞周圍不少四五十歲的人早早做了人工晶體，至少正常生活和運動可以不戴眼鏡了，遂約了醫(yī)生。醫(yī)生說我現在做有點早，并提到一種叫Neurolens的新眼鏡。這東東的大致原理是認為多數成年人看屏幕時左右眼是有一定錯位的，所以在鏡片中加入了一點棱鏡。這樣我的眼鏡就會有凹面鏡(近視)+柱面鏡(散光)+棱鏡(錯位)。

人的左右眼錯位是必然的，因為兩眼位置不同，所以有主視眼和輔視眼之分。我們的視覺是靠大腦計算合成的結果。在室外環(huán)境大腦合成計算量低所以眼睛不容易疲勞，但在看屏幕時大量銳利的字符都需要大腦實時對齊合成，長時間會導致碳基GPU發(fā)熱過載導致頭痛等問題。

Neurolens據說目前還頗具爭議，因為人眼和大腦是經過長期進化配合的，“粗暴”改變雙眼的視覺會有什么結果沒人知道。但是，人類會怎樣進化來適應每天一半時間看電子屏幕呢？

正好話題是關于世界的改變，我們再從半導體延伸談到目前人類科技的局限。

六、MOS模型的建立與經驗的局限

上文提到，MOSFET是我們信息時代的基石。要準確模擬和設計這些器件的行為，需要穩(wěn)健的計算模型。伯克利SPICE（Simulation Program with Integrated Circuit Emphasis）和BSIM（Berkeley Short-channel IGFET Model）正是在這樣的背景下誕生的。

據我所知，這些模型的建立主要是基于經典的半導體物理學理論，例如載流子傳輸理論、漂移-擴散模型等。BSIM模型中包含大量的經驗公式，這些公式大多是通過擬合實驗數據得到的。這些公式能夠描述MOSFET在不同工作區(qū)域（如亞閾值區(qū)、線性區(qū)、飽和區(qū)）下的電氣行為。

隨著技術的發(fā)展和器件尺寸的縮小，BSIM模型經歷了多次更新和改進。隨著時間的推移，BSIM模型逐漸納入了一些量子力學效應的考量，特別是在后來的版本中，如BSIM4和BSIM-CMG（用于FinFET等新型器件）。隨著短溝道效應的顯現，模型被擴展以更好地描述這些效應。

這些聽起來挺有意思，但在實踐中大量的科研人員被投入枯燥的工作。有的物理學博士自嘲說固態(tài)物理就是測電阻，組合各種材料施加各種電磁場來反復測電阻。由于理論物理尤其高能物理走到死胡同很難拿到經費，很多數理優(yōu)秀的博士迫于生計加入凝聚態(tài)成為現代窯工。

這個社會有個明顯的倒掛，就是科技的使用越接近基礎理論端則收入越低：軟件>硬件>材料>純理論。咱們不談這是否公平，也許從產業(yè)收入投入比來說，似乎這種現象也不無道理。????????????

純理論真的這么尷尬嗎？Gap在哪里呢？

那么問題來了，既然量子力學在微觀范疇已經是完備的，為什么我們非要用經驗模型而不能直接基于量子力學來構建一個純數學的完美模型呢？

七、為何完美模型如此難以實現？

答案在于計算的復雜性和多尺度問題。

量子力學提供了一個精確描述電子行為的框架，但在處理實際的半導體器件時，我們面臨的是一個多尺度、多體相互作用的復雜系統(tǒng)。對于一個復雜的半導體器件來說，求解全量子力學的薛定諤方程，尤其是在考慮電子-電子相互作用和電子-聲子相互作用時，變得異常復雜；半導體器件中的電子行為涉及多體相互作用。處理多體問題的精確解法（如量子蒙特卡羅方法）計算量非常巨大，即使在今天最強大的計算機上，直接求解這些方程也變得不可行。

半導體器件涉及從原子級（納米尺度）到電路級（宏觀尺度）的多尺度問題。結合這些不同尺度的方法通常是通過將不同物理學模型耦合在一起，這存在量子-經典耦合和時間尺度的問題。從飛秒級的電子躍遷到微秒級的熱效應，計算量是大到嚇人的。

八、實用為王

盡管近年來AI和高性能計算能力已經大幅提高，但一個關鍵問題是如何使得模型不僅理論上完美，而且在實際應用中實用。對于工程應用來說，模型不僅需要精確，還需要在合理的時間內提供結果，這涉及到：

在工程應用中，設計人員通常更關心的是模型的實用性，即能否在短時間內提供足夠精確的結果，以用于大規(guī)模的電路設計與仿真。因此，雖然一個更完美的模型在理論上是可能的，但在工程實際中，它可能并不一定是最優(yōu)的選擇：工程師們已經習慣了使用當前的模型，并且工具鏈和設計流程也都圍繞這些模型建立起來。引入全新的、更復雜的模型可能需要重新設計這些流程，并進行大量的驗證和培訓工作。

科學的發(fā)展往往超前于實際應用需求。例如，雖然我們在理論上可以構建更完美的模型，但當前的設計和制造工藝或許并不需要如此高精度的模型，這種情況下，追求“完美”反而會增加不必要的成本和復雜度。

一個類似的例子是蒸汽機的發(fā)明和改進。在工業(yè)革命初期，瓦特改良了紐科門的蒸汽機，這一改進奠定了蒸汽動力機械廣泛應用的基礎。然而，瓦特的工作同樣不是從熱力學第一原理出發(fā)，而是基于大量的實驗和工程經驗。直到19世紀中葉，熱力學第一和第二定律才逐漸成形，完善了我們對蒸汽機工作原理的理解。同樣，盡管量子力學為我們提供了理論基礎，但實際應用中的復雜性使得我們不得不依賴于經驗公式和簡化模型。

更何況，半導體器件中的現象涉及從納米尺度的量子效應到宏觀尺度的經典物理，而將這些不同尺度的物理現象統(tǒng)一在一個模型中，本身就是一個巨大的挑戰(zhàn)。

八、未來可能的轉變：從實驗到計算的飛躍

盡管如此，隨著計算技術的飛速發(fā)展，問題是不是就不一樣了呢？固態(tài)物理學會不會迎來一個重要的轉變：即從實驗驅動向計算驅動的科學發(fā)現。

在過去的幾十年里，第一性原理計算（如密度泛函理論、DFT）和機器學習的結合，已經開始在材料科學中展現出潛力。科學家們不再完全依賴于實驗室中的反復試驗，而是通過計算機模擬材料的電子結構和物理性質，預測新材料的行為。這種計算驅動的研究方法不僅加速了材料的發(fā)現過程，還能幫助我們更好地理解實驗結果，從而逐步構建更接近“完美”的模型。

計算驅動的科學研究可能在21世紀帶來類似的革命，使得我們在不依賴于龐大實驗設備的情況下，也能對材料和器件進行精確的預測和設計。

這種轉變不僅僅是研究范式的變化，更可能為人類社會帶來廣泛的影響。

舉個例子，硅的純形式是許多現代技術的關鍵，從芯片到太陽能電池。然而，它作為半導體的特性遠非理想。硅的導熱性和電子移動效率都不算好，一個潛在的解決方案是將高載流子流動性的新材料引入通道區(qū)域，如砷化鎵、砷化銦和銻化鎵等。電子在其中可以以10倍以上的速度移動，這樣這些影響我們世界的小開關們可以更快地切換。同樣重要的是，由于電子移動得更快，芯片可以在較低的電壓下工作，從而提高能效和更少的發(fā)熱量。

通過計算驅動，新材料的發(fā)現將變得更加高效。例如，高性能電池材料、催化劑、超導材料、拓撲材料等，都可以通過高通量計算篩選和優(yōu)化，加速這些技術在能源、環(huán)保等領域的應用。和人類基因組研究帶來的考古學、生物化學和醫(yī)藥革命類似，材料基因組也許也是一個有趣的方向。

隨著超級計算技術的普及，從實驗物理學到計算物理學的轉變可能會催生一波新的科技革命。這不僅會改變科研人員的工作方式，還將影響從芯片設計到材料科學、從能源開發(fā)到環(huán)境保護的各個領域。未來的科學家將更多依賴于計算機模擬和算法優(yōu)化，而不是傳統(tǒng)的實驗室試驗，這種變革將深刻改變科學發(fā)現的速度和模式。

九、但是??

我們回看火藥的發(fā)明，從最初作為單純的火器，到后來的大規(guī)模應用，逐漸改變了戰(zhàn)爭、政治和地緣的面貌。然而，火器的應用初期也并非基于對爆炸化學和空氣動力學的深刻理解，而更多依賴于經驗的積累。同樣，半導體MOS模型在某種程度上也反映了這種經驗主導的科技演進路徑。

隨著計算技術的不斷進步，未來也許會有個一個新紀元，在這個紀元中，計算驅動的科學發(fā)現將逐步取代實驗驅動的研究范式。然而，人類目前的算力和科學能力，還遠遠沒到可以從量子層面計算稍大一點尺度多體的水平，比如模擬一顆種子或甚至一個細菌。

這個問題目前能看的解決的路徑嗎？很抱歉，由于微觀量子狀態(tài)和宏觀可測量物理量之間的完整關系無法建立，也就是量子力學和經典物理學之間仍有不可逾越的鴻溝，答案只能是絕望的。???????

只能說，你們人類的科學還是太落后了。