# 现代计算机技术扩展（考研复试终极整理版）

---

## 一、多核与并行计算技术
### 1. 多核处理器架构
- **核心思想**：单个芯片集成多个处理核心（如Intel i9-13900K含24核）  
- **关键技术**：  
  - **缓存一致性协议**（MESI）：解决多核共享内存数据同步问题  
  - **核间通信**：通过片上总线（Ring Bus）或网状结构（Mesh）实现低延迟  
- **应用场景**：服务器高并发处理、科学计算（如气象模拟）  

### 2. 并行计算模型
| 模型          | 特点                          | 典型框架               |  
|---------------|-------------------------------|-----------------------|  
| **SIMD**      | 单指令流多数据流（GPU核心原理） | CUDA、OpenCL          |  
| **MIMD**      | 多指令流多数据流（多核CPU）    | MPI、OpenMP           |  
| **数据级并行**| 向量化运算加速浮点操作         | AVX-512指令集         |  

---

## 二、新型存储技术
### 1. 非易失性存储器（NVM）
- **3D XPoint**：英特尔与美光联合开发，速度比NAND快1000倍，用于傲腾内存  
- **ReRAM**：通过电阻变化存储数据，兼具DRAM速度与NAND非易失性  

### 2. 存算一体技术
- **核心思想**：在存储单元内直接完成计算，消除"内存墙"瓶颈  
- **应用场景**：AI推理（如神经网络权重计算）  

---

## 三、量子计算与类脑计算
### 1. 量子计算机
- **量子比特特性**：叠加态与纠缠态实现并行计算  
- **应用突破**：  
  - 破解RSA加密（Shor算法）  
  - 优化组合问题（如TSP旅行商问题）  

### 2. 类脑计算芯片
- **神经拟态芯片**：模拟生物神经元脉冲通信（如IBM TrueNorth）  
- **优势**：低功耗（毫瓦级）、高实时性（脉冲事件驱动）  

---

## 四、异构计算体系
### 1. CPU+GPU协同计算
- **GPU架构特点**：  
  - 数千个流处理器（如NVIDIA A100含6912 CUDA核心）  
  - 高并行浮点计算能力（FP32达19.5 TFLOPS）  
- **应用领域**：深度学习训练、图形渲染  

### 2. DPU智能网卡
- **功能**：卸载网络、存储、安全等任务（如NVIDIA BlueField）  
- **性能提升**：降低CPU负载达70%  

---

## 五、指令集架构革新
### 1. RISC-V开放架构
- **核心优势**：模块化设计（支持自定义指令扩展）  
- **应用场景**：物联网芯片（如SiFive系列）、航天器控制  

### 2. ARM与x86对比
| 架构    | 特点                          | 典型应用场景          |  
|---------|-------------------------------|----------------------|  
| **ARM** | 低功耗、精简指令集            | 移动设备（手机/平板） |  
| **x86** | 复杂指令集、高性能             | 桌面/服务器          |  

---

## 六、光计算与硅光子技术
### 1. 光互连技术
- **硅光子芯片**：用光子替代电子传输数据，带宽达Tb/s级  
- **应用场景**：数据中心内部互联（替代铜缆）  

### 2. 光计算加速
- **光子矩阵乘法**：利用干涉原理加速神经网络运算  

---

## 七、高频考点与前沿趋势
1. **多核缓存一致性协议**（MESI状态转换图必考）  
2. **RISC-V三大特点**：开源、模块化、低功耗  
3. **量子比特与经典比特区别**：叠加态/纠缠态 vs 0/1态  
4. **存算一体技术突破方向**：忆阻器交叉阵列设计  

---

**复习建议**：  
1. 结合真题理解多核处理器调度算法（如负载均衡策略）  
2. 掌握新型存储器性能参数对比（延迟/带宽/成本）  
3. 关注《自然》《Science》近年量子计算突破性论文  
4. 对比不同AI加速芯片架构（TPU/GPU/FPGA）优劣