市场需求正在迅速发展，全球竞争优势的争夺正在加剧，如今的半导体行业正在接近当前技术范式的极限。美国的领导地位需要重大的新技术、新的投资和新的伙伴关系来维持。及时行动也是必要的：设想用用十年的时间，在报告所述挑战中实现突破。是时候面对这些挑战了。

　　研究领域

本节介绍了 14 个关键领域，在这些领域中，要想获得下一代计算、数据分析、人工智能及其无数个相关的应用程序的效益，基础研究是至关重要的。由于各主题之间是相互依存的，在描述中会有一些内容重叠。这些主题是按照技术堆栈的层级、由低（材料和设备）到高（架构和算法）进行组织，其次是横向维度，如安全性、设计工具、制造和计量。每个描述都谈到了未来 10 年间可进行深入研究的课题以及研究策略建议。每个研究领域对于实现整体愿景来说都是必不可少的。有效进展将取决于跨所有领域的强有力的活动协作。

分布式计算与网络

简介／概述

要想在社会交往、商业、国防和政府管理中对企业和社区进行计算方面的支持，就需要大规模分布式计算系统。这些系统支持大量参与者及不同的应用程序。

分布式系统的数据中心实例包括：仓库规模的公共云计算基础设施、用于科学研究和商业应用（比如石油和天然气勘探）的高性能计算集群。新兴的大数据工作负载运行于分布式集群之上。处于网络边界的物联网的配置是基于分布式系统，其中边缘与端点设备在性能、处理能力和能耗方面比数据中心集群中的计算节点要小得多。在数据中心层与边缘层之间，一个分布式系统中可能会存在一个或多个聚集层，在端点与边缘设备相对有限的能力之下，它们可以提供中间处理与存储来平衡数据中心或云端的高处理能力。虽然集中式计算系统（如对称多处理器）在工作负载方面（如事务处理）发挥了至关重要的作用，但是对称多处理器对于内存一致性的要求使其无法扩展到几十个处理器上。分布式系统不需要类似的一致性模型，因而可以扩展到更多处理器上。其结果是，全球计算能力的持续增长是建立在分布式架构的基础之上。

在分布式架构中，j2直播，包括计算、内存、存储、传感器和执行器的资源分布于整个系统中，并使用各种网络架构和技术互相联系。由于一个应用程序必须在其执行过程中访问这些网络（分布式）资源，因而通信的成本和开销成为衡量系统性能与效率的一个重要因素。新的终端应用程序需要在通信（即降低成本和延迟）和带宽的增加方面得到显着改善。在延迟与能源问题上基于物理的执行局限性加剧了通信技术优化方面的挑战。因此，有必要使用有线和无线技术与协议，在（从芯片到数据中心之间的）所有层级上实现网络的创新。

在成本以及性能增长与计算、存储和网络方面的能源消耗的限制上存在着显著的不平衡，这需要大大超越今天的硬件和分布式架构的全新的分布式系统。为了对计算、现有工作负载和（尤其是）利用大数据并提供认知计算能力的新兴应用程序持续增长的需求进行支持，分布式架构和系统必须取得巨大的进步。本研究的目的是探索具有无限可扩展性的超大规模分布式架构的挑战。这种可扩展性在能耗与成本问题上必须实际可行，如此一来这些新的分布式系统在经济上就是可行且可部署的了。由于摩尔定律的成熟，性能与能耗方面的进步将越来越依赖于加速器——今天的图形处理单元（GPU）就是其中一个例子——和其它异构架构技术。因此，未来的分布式系统必须越来越多地实现异质性，而无需增加一个大的软件开发或编程负担。新式、多层、有线和无线连接的系统是必需的；层可以包括传感器层和/或执行器层、聚集层，云或数据中心或它们的组合。期望所有层都是高度可扩展的，且各层之内及之间都要有异质性。

物理世界的端点接口往往模拟自然；但是本节主要侧重于数字计算，解决端点信号被转换到数字领域（大多数系统中的大多数处理过程发生于此）时的所有处理过程。与模拟信号连接的传感器和执行器问题会在另一节中得到解决。分布式系统的工作量与系统管理方面出现了许多挑战。安全与隐私也是必须解决的关键问题，包括多租户的安全保障问题和多工作负载的情况。要想让这些新式而庞大的系统能够支持广泛的现有及新兴的工作负载，就需要去研究如何解决资源与应用管理方面的关键新挑战。

潜在的研究课题