慈溪出过哪些人才

以下是近现代人才：

硅酸盐工业专家叶瑞伦 “面包大王”岑卓卿 俗文学家路工

分析化学家戚文彬 历史学家胡玉堂 《李知凡太太》作者胡杏芬

军中文将柳夷 印学家柴子英 诗人施叔范

散文作家李又然 历史学家陈登原 教育家林汉达

三北地委书记王仲良 出版家张静庐 园艺学家吴耕民

农学家卢守耕 工笔花鸟画家陈之佛 文字学家胡吉宣

教育理论家杨贤江 药业巨子徐之萱 农学家包容

文学家柴小梵 兽医学家虞振镛 民族资本家陈万运

辛亥革命先驱马宗汉 近代诗人洪允祥 乡村教育家童春

上海滩闻人虞洽卿 爱国华侨吴锦堂 近代画家蒋君扬

学界人瑞童玉民 电影美术家张云乔 泌尿外科专家虞颂庭

中医学家裘沛然 经济学家蒋学模 国际政治学家宓超群

国际政治学家宓超群 统计学家周逸江 版画家余白墅

台湾书画家吴平 民间文艺学家姜彬 天然药物化学家韩公羽

英美文学专家袁可嘉 漫画家洪荒 剧作家徐进

家畜生理学家韩正康 经济史学者宓汝成 作物生理学家吴光南

香港国药业企业家姚云龙 心血管病专家徐济民 经济学家戎文佐

水利专家沈之良 数学家张芷芬 神经生理学家陈宜张

考古学家马承源 翻译家胡志挥 中医学家叶望云

历史学家沈星棣 丝绸工程专家陈时若 地质力学家陈子光

船舶学家蒋维清 植物学家陈善坤 电机专家陈永校

城市学家马裕祥 工程经济学家虞和锡 机械工程专家陈志新

山水画家陆一飞 内分泌学专家童钟杭 电子专家蔡丹宇

核安全专家阮可强 岩土力学家沈珠江 台湾诗人辛郁

汉语语法专家房玉清 工笔画家陈修范 戏曲学家齐森华

中医学家张天 石化工程专家张运川 天文学家胡景耀

外国文学专家华宇清 矿山工程学家俞昶兴 心血管外科专家陈如坤

中国科学院院长路甬祥 半导体研究专家徐仲英 词学专家方智范

医学科学家韩启德 学者作家余秋雨 胸心外科专家范关荣

军事科学专家余高达 医学家吴江平

古时也不少：杜 醇 北宋教育家。庆历中，鄞与慈溪建县学，请为师，二邑学风，自醇始盛。

舒 亶 1041～1104 北宋治平间进士，试礼部第一。累官御史中丞。工小词，思致妍密。有《舒亶集》。

杨 简 1141～1225 南宋哲学家。官至宝谟阁学士。“明州四先生”之一，师陆九渊。著作编为《慈湖遗书》。

孙梦观 1200～1257 南宋宝庆进士。知宁国、建宁府，减赋税，省刑罚，兴利除弊，人以为有古循吏风。

张 虙 宋庆元进士。端平初为国子司业兼侍讲，升国子祭酒，兼权工部侍郎。著有《月令解》。

赵 偕 ？～1367 宋末元初隐士。学宗杨简，为陆九渊派的主要代表。著有《宝峰集》。

桂彦良 1321～1387 元末进士，洪武间授太子正字，迁晋王府右傅。明太祖誉为“通儒”。

乌斯道 明洪武间先后任化州石龙、永新知县，兴学校，礼贤才，重教化，有惠政。

陈敬宗 1377～1459 明永乐进士。授刑部主事。宣德九年升祭酒，立教方严，为士林所重。

夏时正 1412～1499 明正统进士。授刑部主事，累擢南京大理卿，成化七年巡视江西灾伤，整治有力。

姚 镆 1465～1538 明弘治进士。累擢右副都御史，进左都御史，加太子太保。子姚涞，嘉靖二年状元。

孙 懋 明正德进士。擢南京吏科给事中，敢于言事，出为广东参议，迁副使。有《孙毅庵奏议》。

刘世龙 明正德进士。官至南京兵部主事。因直言时政，触怒世宗，削职为民。家居50年。

冯 岳 1481～1561 明嘉靖进士。授南京工部主事，以正直称，升江西布政使，誉为“清布政”。

赵文华 1503～1557 明嘉靖进士。认权相严嵩为父，官至工部尚书，后以骄横失宠，革职病死。有《文华全集》。

袁 炜 1508～1565 明嘉靖进士，探花。累擢礼部尚书，改户部，寻兼武英殿大学士，有“青词宰相”之诮。

颜 鲸 1515～1589 明嘉靖进士。擢御史，出按河南，告发伊王十大罪状，为民除害。后因多次触怒权贵，被贬官。

冯元仲 1579～1660 明末文人。取前人未刻书及名家墨迹，镂版勒石，广为刊行。有《天益山堂遗集》。

冯元飏 1596～1644 明崇祯进士。与弟元俱以论中官，有直声，时称“二冯”。累官右佥都御史。

潘平格 1610～1677 明末清初思想家。为学由程朱而老庄而释学。著有《求仁录》等。

王 翊 1615～1651 明末抗清将领。结寨四明山，官至兵部右侍郎。

冯京第 ？～1654 明末抗清将领。入四明山与王翊合军，官至兵部侍郎，曾与黄宗羲乞师于日本。

王 江 ？～1655 明末抗清将领。协助王翊结寨四明山，义兵达万人，屡战屡胜。

柯 琴 1619～1705 清初医学家。著《伤寒论注》、《伤寒论翼》、《伤寒附翼》，3书合称《伤寒来苏集》。

姜宸英 1628～1699 清文学家、书法家。年70后始举进士，后因科场案牵连，死于狱中。有《姜先生全集》。

郑 梁 1637～1713 清康熙进士。官至高州知府，受学于黄宗羲。工诗，善画山水。有《寒村诗文集》。

裘 琏 1644～1729 清戏曲作家。康熙进士，善作杂剧、传奇。代表剧作有《明翠湖亭四韵事》。

郑 性 1665～1743 清藏书家。郑梁子。筑二老阁贮藏书，并整理、传刻黄宗羲著作，人称二老阁本。

严信厚 1828～<1906 清末实业家。以盐务起家，创办多家企业，曾任中国通商银行总董，上海商务总会总理。

梅调鼎 1839～1906 清末书法家。布衣。开创近代浙东书法“梅派”。遗作编有《赧翁集锦》。

杨敏曾 1858～1940 曾任宁波储才学堂监堂（校长）、北京大学中国史教授。合编《镇海县志》。

陈训正 1872～1943 历任上海《天铎报》社社长，杭州市市长，浙江省参议会议长。著有《天婴室丛稿》、《鄞县通志》等。

冯 开 1873～1931 学者。与陈训正、应启墀、洪佛矢称“慈溪四才子”。著有《回风堂诗文集》。

孙衡甫 1875～1944 银行家。曾任四明银行总经理，四明保险公司董事长。

秦润卿 1877～1966 银行家。历任上海钱业公会理事长，上海总商会副会长，上海垦业银行董事长。

何育杰 1882～1939 物理学家。曾任北京大学物理学系主任、教授。译著有《波动力学通论》。

盛丕华 1882～1961 中国成立后曾任上海市副市长，民建中央副主席，全国工商联副主任。

李思浩 1882～1968 民国时期曾任财政总长、中国银行总裁，后为上海市人民政府顾问。

冯贞群 1886～1962 藏书家。去世时，将伏跗室藏书十万卷古籍连住宅全部捐献给国家。

葛祖兰 1887～1987 翻译家、作家。编著《日语汉译读本》、《日本现代语辞典》、《日本俳谐史》、《祖兰俳存》。

陈布雷 1890～1948 曾任浙江省教育厅长，国民党政府教育部次长兼国民党中央宣传部副部长。

郑衍芬 1893～1979 获美国加州斯坦福大学物理学博士学位，历任浙江大学、中央大学、四川大学物理系教授。

舒 鸿 1894～1964 历任之江大学、东南大学、浙江大学教授。1936年任第十一届奥运会篮球裁判员。

周信芳 1895～1975 京剧表演艺术家。“麒派”创始人。曾任上海京剧院院长，中国戏剧家协会副主席。

魏长春 1898～1987 医学家。曾任浙江中医学院副院长。著有《慈溪魏氏验案类编初集》等。

徐 雉 1899～1947 作家。著有新诗集《雉的心》及小说集《卖淫妇》等。

应修人 1900～1933 诗人。1922年在杭州成立我国第一个新诗社——湖畔诗社，编辑出版《湖畔》。著有《修人集》。

邵荃麟 1900～1971 作家、文艺理论家。曾任中国作家协会副主席、党组书记。著有《邵荃麟评论选集》。

陈训慈 1901～1991 曾任浙江图书馆馆长，浙江大学史地系教授，浙江博物馆顾问。曾创办《文澜学报》。

王 勤 1902～1951 历任暨南大学教授，商务印书馆、开明书店编辑。为珠穆朗玛峰正名。著有《西藏问题》等。

冯 定 1902～1983 曾任北京大学教授、党委副书记、副校长，中国科学院学部委员。著有《冯定文集》。

应云卫 1904～1967 戏曲、电影导演。抗战时，导演电影《八百壮士》等，后任江南电影制片厂厂长。

陆宗达 1905～1988 文字学家。曾任北京师范大学教授，北京市政协副主席。著有《说文解字通论》、《训诂简论》。

林定勖 1906～1980 曾任邮电部邮电科学研究院副总工程师、高级工程师，是中国国际电台的创始人之一。

计荣森 1907～1942 地质学家。对古生物及珊瑚化石较有研究，著有《长江下游青龙灰岩研究》。

徐 訏 1908～1980 作家。曾留学法国，后居香港。小说代表作有《鬼恋》、《风萧萧》。著有《徐訏全集》。

张 翼 1909～1983 电影演员。二三十年代时被称为影坛“雄狮”“武侠明星”，毕生拍摄100多部影片。

蒋荫恩 1919～1963 新闻学家。曾任《大公报》编辑，北京大学新闻系主任、教授，中国人民大学新闻学系教授。

董天野 1910～1968 画家。师事张大千。后为上海中国画院画师。擅画人物、连环画。

郑森禹 1910～1997 国际问题专家。曾任世界知识出版社社长、总编辑，《世界知识》杂志主编。

穆时英 1912～1940 作家。中国新感觉派代表作家。著有小说集《南北极》、《公墓》、《白金的女体塑像》等。

应文婵 1912～1987 女，作家。毕业于复旦大学，后入籍美国。著有散文集《书斋志异》等。

陈克寒 1917～1980 曾任出版总署署长，文化部副部长，中共北京市委书记处书记。

太多了

过去几十年，全球半导体行业增长主要受台式机、笔记本电脑和无线通信产品等尖端电子设备的需求，以及基于云计算兴起的推动。这些增长将继续为高性能计算市场领域开发新应用程序。

首先，5G将让数据量呈指数级增长。我们需要越来越多的服务器来处理和存储这些数据。2020年Yole报告，这些服务器核心的高端CPU和GPU的复合年增长率有望达到29%。它们将支持大量的数据中心应用，比如超级计算和高性能计算服务。在云 游戏 和人工智能等新兴应用的推动下，GPU预计将实现更快增长。例如，2020年3月，互联网流量增长了近50%，法兰克福的商业互联网数据交换创下了数据吞吐量超过每秒9.1兆兆位的新世界纪录。

第二个主要驱动因素是移动SoC——智能手机芯片。这个细分市场增长虽然没有那么快, 但这些SoC在尺寸受限的芯片领域对更多功能的需求，将推动进一步技术创新。

除了逻辑、内存和3D互联的传统维度扩展之外，这些新兴应用程序将需要利用跨领域的创新。这需要在器件、块和SoC级别进行新模块、新材料和架构的改变，以实现在系统级别的效益。我们将这些创新归纳为半导体技术的五大发展趋势。

趋势一:摩尔定律还有用，将为半导体技术续命8到10年…

在接下来的8到10年里，CMOS晶体管的密度缩放将大致遵循摩尔定律。这将主要通过EUV模式和引入新器件架构来实现逻辑标准单元缩放。

在7nm技术节点上引入了极紫外(EUV)光刻，可在单个曝光步骤中对一些最关键的芯片结构进行了设计。在5nm技术节点之外(即关键线后端(BEOL)金属节距低于28-30nm时)，多模式EUV光刻将不可避免地增加了晶圆成本。最终，我们希望高数值孔径(High-NA) EUV光刻技术能够用于行业1nm节点的最关键层上。这种技术将推动这些层中的一些多图案化回到单图案化，从而提供成本、产量和周期时间的优势。

Imec对随机缺陷的研究对EUV光刻技术的发展具有重要意义。随机打印故障是指随机的、非重复的、孤立的缺陷，如微桥、局部断线、触点丢失或合并。改善随机缺陷可使用低剂量照射，从而提高吞吐量和成本。

为了加速高NA EUV的引入，我们正在安装Attolab，它可以在高NA EUV工具面世之前测试一些关键的高NA EUV材料(如掩膜吸收层和电阻)。目前Attolab已经成功地完成了第一阶段安装，预计在未来几个月将出现高NA EUV曝光。

除了EUV光刻技术的进步之外，如果没有前沿线端(FEOL)设备架构的创新，摩尔定律就无法延续。如今，FinFET是主流晶体管架构，最先进的节点在6T标准单元中有2个鳍。然而，将鳍片长度缩小到5T标准单元会导致鳍片数量减少，标准单元中每个设备只有一个鳍片，导致设备的单位面积性能急剧下降。这里，垂直堆叠纳米薄片晶体管被认为是下一代设备，可以更有效地利用设备占用空间。另一个关键的除垢助推器是埋地动力轨(BPR)。埋在芯片的FEOL而不是BEOL，这些BPR将释放互连资源路由。

将纳米片缩放到2nm一代将受到n-to-p空间约束的限制。Imec设想将Forksheet作为下一代设备。通过用电介质墙定义n- p空间，轨道高度可以进一步缩放。与传统的HVH设计相反，另一个有助于提高路由效率的标准单元架构发展是针对金属线路的垂直-水平-垂直(VHV)设计。最终通过互补场效应晶体管(CFET)将标准cell缩小到4T，之后充分利用cell层面上的第三维度，互补场效应晶体管通过将n-场效应晶体管与p-场效应晶体管折叠。

趋势2: 在固定功率下，逻辑性能的提高会慢下来

有了上述的创新，我们期望晶体管密度能遵循摩尔所规划的路径。但是在固定电源下，节点到节点的性能改进——被称Dennard缩放比例定律，Dennard缩放比例定律（Dennard scaling）表明，随着晶体管变得越来越小，它们的功率密度保持不变，因此功率的使用与面积成比例；电压和电流的规模与长度成比例。

世界各地的研究人员都在寻找方法来弥补这种减速，并进一步提高芯片性能。上述埋地电力轨道预计将提供一个性能提高在系统水平由于改进的电力分配。此外，imec还着眼于在纳米片和叉片装置中加入应力，以及提高中线的接触电阻(MOL)。

二维材料如二硫化钨(WS2)在通道中有望提高性能，因为它们比Si或SiGe具有更强的栅长伸缩能力。其中基于2d的设备架构包括多个堆叠的薄片非常有前景，每个薄片被一个栅极堆叠包围并从侧面接触。模拟表明，这些器件在1nm节点或更大节点上比纳米片的性能更好。为了进一步改善这些器件的驱动电流，我们着重改善通道生长质量，在这些新材料中加入掺杂剂和提高接触电阻。我们试图通过将物理特性(如生长质量)与电气特性相关联来加快这些设备的学习周期。

除了FEOL, 走线拥挤和BEOL RC延迟，这些已经成为性能改善的重要瓶颈。为了提高通径电阻，我们正在研究使用Ru或Mo的混合金属化。我们预计半镶嵌(semi-damascene)金属化模块可同时改善紧密距金属层的电阻和电容。半镶嵌(semi-damascene) 可通过直接模式和使用气隙作为介电在线路之间(控制电容增加)

允许我们增加宽高比的金属线(以降低电阻)。同时，我们筛选了各种替代导体，如二元合金，它作为‘good old’ Cu的替代品，以进一步降低线路电阻。

趋势3:3D技术使更多的异构集成成为可能

在工业领域，通过利用2.5D或3D连接的异构集成来构建系统。这些有助于解决内存问题，可在受形状因素限制的系统中添加功能，或提高大型芯片系统的产量。随着逻辑PPAC(性能-区域-成本)的放缓，SoC 的智能功能分区可以提供另一个缩放旋钮。一个典型的例子是高带宽内存栈(HBM)，它由堆叠的DRAM芯片组成，这些芯片通过短的interposer链路直接连接到处理器芯片，例如GPU或CPU。最典型的案例是Intel Lakefield CPU上的模对模堆叠， AMD 7nm Epyc CPU。在未来，我们希望看到更多这样的异构SOC，它是提高芯片性能的最佳桥梁。

在imec，我们通过利用我们在不同领域(如逻辑、内存、3D…)所进行的创新，在SoC级别带来了一些好处。为了将技术与系统级别性能联系起来，我们建立了一个名为S-EAT的框架(用于实现高级技术的系统基准测试)。这个框架可评估特定技术对系统级性能的影响。例如:我们能从缓存层次结构较低级别的片上内存的3D分区中获益吗?如果SRAM被磁存储器(MRAM)取代，在系统级会发生什么?

为了能够在缓存层次结构的这些更深层次上进行分区，我们需要一种高密度的晶片到晶片的堆叠技术。我们已经开发了700nm间距的晶圆-晶圆混合键合，相信在不久的将来，键合技术的进步将使500nm间距的键合成为可能。

通过3D集成技术实现异质集成。我们已经开发了一种基于sn的微突起互连方法，互连间距降低到7µm。这种高密度连接充分利用了透硅通孔技术的潜力，使>16x更高的三维互联密度在模具之间或模具与硅插接器之间成为可能。这样就大大降低了对HBM I/O接口的SoC区域需求(从6 mm2降至1 mm2)，并可能将HBM内存栈的互连长度缩短至多1 mm。使用混合铜键合也可以将模具直接与硅结合。我们正在开发3µm间距的模具到晶圆的混合键合，它具有高公差和放置精度。

由于SoC变得越来越异质化，一个芯片上的不同功能(逻辑、内存、I/O接口、模拟…)不需要来自单一的CMOS技术。对不同的子系统采用不同的工艺技术来优化设计成本和产量可能更有利。这种演变也可以满足更多芯片的多样化和定制化需求。

趋势4:NAND和DRAM被推到极限非易失性存储器正在兴起

内存芯片市场预测显示，2020年内存将与2019年持平——这一变化可能部分与COVID-19减缓有关。2021年后，这个市场有望再次开始增长。新兴非易失性存储器市场预计将以>50%的复合年增长率增长，主要受嵌入式磁随机存取存储器(MRAM)和独立相变存储器(PCM)的需求推动。

NAND存储将继续递增，在未来几年内可能不会出现颠覆性架构变化。当今最先进的NAND产品具有128层存储能力。由于晶片之间的结合，可能会产生更多的层，从而使3D扩展继续下去。Imec通过开发像钌这样的低电阻字线金属，研究备用存储介质堆，提高通道电流，并确定控制压力的方法来实现这一路线图。我们还专注于用更先进的FinFET器件取代NAND外围的平面逻辑晶体管。我们正在 探索 3D FeFET与新型纤锌矿材料，作为3D NAND替代高端存储应用。作为传统3D NAND的替代品，我们正在评估新型存储器的可行性。

对于DRAM，单元缩放速度减慢，EUV光刻可能需要改进图案。三星最近宣布EUV DRAM产品将用于10nm (1a)级。除了 探索 EUV光刻用于关键DRAM结构的模式，imec还为真正的3D DRAM解决方案提供了构建模块。

在嵌入式内存领域，我通过大量的努力来理解并最终拆除所谓的内存墙，CPU从DRAM或基于SRAM的缓存中访问数据的速度有多快?如何确保多个CPU核心访问共享缓存时的缓存一致性?限制速度的瓶颈是什么? 我们正在研究各种各样的磁随机存取存储器(MRAM)，包括自旋转移转矩(STT)-MRAM，自旋轨道转矩(SOT)-MRAM和电压控制磁各向异性(VCMA)-MRAM)，以潜在地取代一些传统的基于SRAM的L1、L2和L3缓存(图4)。每一种MRAM存储器都有其自身的优点和挑战，并可能通过提高速度、功耗和/或内存密度来帮助我们克服内存瓶颈。为了进一步提高密度，我们还在积极研究可与磁隧道结相结合的选择器，这些是MRAM的核心。

趋势5:边缘人工智能芯片行业崛起

边缘 AI预计在未来五年内将实现100%的增长。与基于云的人工智能不同，推理功能是嵌入在位于网络边缘的物联网端点(如手机和智能扬声器)上的。物联网设备与一个相对靠近边缘服务器进行无线通信。该服务器决定将哪些数据发送到云服务器(通常是时间敏感性较低的任务所需的数据，如重新培训)，以及在边缘服务器上处理哪些数据。

与基于云的AI(数据需要从端点到云服务器来回移动)相比，边缘 AI更容易解决隐私问题。它还提供了响应速度和减少云服务器工作负载的优点。想象一下，一辆需要基于人工智能做出决定的自动 汽车 。由于需要非常迅速地做出决策，系统不能等待数据传输到服务器并返回。考虑到通常由电池供电的物联网设备施加的功率限制，这些物联网设备中的推理引擎也需要非常节能。

今天，商业上可用的边缘 AI芯片，加上快速GPU或ASIC，可达到1-100 Tops/W运算效率。对于物联网的实现，将需要更高的效率。Imec的目标是证明推理效率在10.000个Tops /W。

通过研究模拟内存计算架构，我们正在开发一种不同的方法。这种方法打破了传统的冯·诺伊曼计算模式，基于从内存发送数据到CPU(或GPU)进行计算。使用模拟内存计算，节省了来回移动数据的大量能量。2019年，我们演示了基于SRAM的模拟内存计算单元(内置22nm FD-SOI技术)，实现了1000Tops/W的效率。为了进一步提高到10.000Tops/W，我们正在研究非易失性存储器，如SOT-MRAM, FeFET和基于IGZO（铟镓锌氧化物）的存储器。

这是因为半导体的特性而被选做集成电路的，因为他介于导体和绝缘体之间，结构组织赋予能随着温度升高而升高的特性，铜银是导体，与半导体恰恰相反，温度升高他就成绝缘体了，就是长说的烧了。

所以说集成电路选用半导体是有原因的哦，不然用导体会经常坏的。

---