Когда кончатся вычисления: графен, свет или живые клетки – что придет на смену кремнию
Мы привыкли, что с каждым годом мощность вычислений растет. Корпорации Intel, AMD, Qualcomm, Apple, Nvidia и подобные им регулярно выпускают новые чипы – все более производительные и энергоэффективные. На этом сделала многомиллиардный бизнес тайваньская корпорация TSMC, которая производит и собирает процессоры по самым передовым технологиям. Но скоро – вероятно, в горизонте 10 лет – эти самые технологии столкнутся с непреодолимой преградой: наращивать мощность вычислений будет некуда. Что же произойдет тогда?
В чем проблема
Один из ключевых показателей эффективности современного процессора – топология. Исторически она показывала плотность расположения и размер канала в транзисторе – кремниевом кристалле, который пропускает либо не пропускает ток (и таким образом определяет 0 или 1 в компьютерном коде). Эта плотность измеряется в нанометрах, и самое современное поколение процессоров производится по топологии 3 нм.
Правда, с определенного момента топология стала больше маркетинговым, нежели физическим показателем. Все дело в архитектуре. Раньше транзистор был плоским, и топология действительно показывала физическую величину его канала. Но к сегодняшнему дню корпорации разработали несколько видов трехмерных транзисторов с несколькими каналами, взаимодействующими друг с другом по сложным схемам, и показатель нанометров перестал совпадать с реальными величинами, став, скорее, условной метрикой.
Это привело к путанице: два поколения 3-нанометровых процессоров могут иметь разное количество транзисторов на одной и той же площади. Так, например, произошло с чипами Apple M3 и M4 или A17 и A18, представленными в 2023 и 2024 годах соответственно. А несколько лет назад выяснилось, что плотность транзисторов в 7-нанометровых чипах Intel выше, чем в 5-нанометровых у других компаний. Несмотря на то, что электроны и фотоны движутся примерно с одинаковой скоростью (в идеальных условиях – со скоростью света), у последних есть заметное преимущество: они не взаимодействуют друг с другом. Это значит, что по одному каналу можно передавать не один поток данных, а сразу несколько, что на порядки повысит скорость вычислений. Плюс фотоны требуют меньше энергии для запуска и обеспечивают меньшее тепловыделение, а значит, фотонные процессоры также будут энергоэффективнее.
Как всегда, в такой бочке меда есть изрядная ложка дегтя, и в случае с фотонами это функциональность. До сих пор ученым и инженерам не удалось придумать универсальную архитектуру фотонного чипа, которая была бы применима для разных типов задач. Один тип процессора – один тип задач: именно такое ограничение у фотонных вычислений.
Решить эту проблему пытаются ученые всего мира, в том числе и России. В этом году Самарский университет им. С.П. Королева показал прототип фотонного процессора, настроенного на работу с большими данными. К 2030 году исследователи рассчитывают создать на основе технологии суперкомпьютер – опять же именно под эту конкретную задачу.
Полусветовой переход
Частичное решение проблемы негибкой функциональности – оптоэлектронные процессоры. Они объединяют преимущества двух систем: для вычислений используются кремниевые транзисторы на базе электронов, а передача данных происходит за счет света. И хотя при преобразовании данных из фотонов в электроны и обратно теряется до 30% энергии, такие чипы сегодня кажутся весьма перспективным направлением.
Разработками таких чипов – с прицелом на работу с ИИ – занимаются несколько заметных мировых стартапов: Salience Labs (объединенный проект Оксфорда и Университета Мюнстер) и LightMatter (который переманил к себе одного из топ-менеджеров Nvidia). У них уже есть готовые продукты, но на рынке они пока не снискали особой популярности, поскольку еще не доказали свою функциональность по сравнению с обычными GPU.
Но скоро это может измениться. В июле этого года корпорация Intel представила оптоэлектронную платформу OCI. Инженеры решили использовать тот факт, что фотоны способны преодолевать большее расстояние без потерь, за счет чего создают более сложные и масштабные вычислительные архитектуры. Первый чип на базе новой платформы способен поддерживать параллельно 64 канала со скоростью 32 Гбит/сек – это свыше 2 Тбит/сек. Для сравнения: представленные в этом году ИИ-ускорители Nvidia B200 более чем вдвое медленнее: до 900 Гбит/сек. Кванты как помощники
Про квантовые вычисления тоже уместно говорить в контексте передовых разработок, но есть нюанс. Такие компьютеры никогда не заменят традиционные битовые вычисления, а станут, скорее, дополнением.
Самые передовые квантовые разработки (например, компаний IBM и Google) направлены на создание устойчивых объединений из нескольких групп кубитов (квантовых битов). Они должны быть не подвержены ошибкам на уровне по крайней мере 99%. А помогают им в этом алгоритмы искусственного интеллекта, которые вычисляются на традиционных графических процессорах.
Квантовые вычисления, в свою очередь, станут платформой для обучения ИИ-алгоритмов. Поскольку кванты идеально подходят под задачи моделирования, они смогут создавать искусственные наборы данных (датасеты), которые позволят существенно развивать искусственный интеллект. Иными словами, самой эффективной для таких задач в будущем станет именно связка квантовых и классических вычислений, но никак не квантовые компьютеры по отдельности. Биомозг для ИИ
Самой футуристичной и в то же время противоречивой альтернативой кремнию сегодня можно назвать биологические, или клеточные компьютеры. Это направление пока находится на сравнительно ранней стадии исследований, и до коммерческих применений еще очень далеко, но некоторые успехи у профильных лабораторий уже есть.
Как следует из термина, биологические процессоры (биопроцессоры) – органические вещества, клетки, которые производят вычисления. На данный момент нет консолидированного и тем более стандартизированного подхода к этому направлению. Но есть многообещающие разработки, в основе которых лежит генетическое редактирование.
Привычное «железо» в данном случае заменяют живые клетки – само собой, не обладающие каким-либо разумом. В качестве «памяти» выступают нити ДНК, в которые закодирована четверичная информация (гены A, C, G, T – против классической двоичной, с 0 и 1 в основе). РНК-компоненты отвечают за считывание и записывание информации в ДНК – схожим образом это работает в действительно живых организмах. Ну а управлять таким «устройством» можно с помощью генного редактирования либо электрических импульсов.
Звучит жутковато и фантастично, но за реальным примером далеко ходить не надо: в мае нынешнего года швейцарский стартап FinalSpark запустил платформу, позволяющую исследовательским командам (кому-то бесплатно, а кому-то за деньги) удаленно подключиться к такой биоплатформе для проведения собственных исследований.
Платформа состоит из органоидов – мозговых веществ, выращенных на основе стволовых клеток человека, соединенных в сеть и помещенных в питательную среду. Потребовалось ли в данном случае генное редактирование, неизвестно: за управление и преобразование сигналов из цифровых в биологические и обратно отвечают специальные электроды. Разработчики утверждают, что подобная платформа в разы энергоэффективнее и мощнее, нежели кремниевые аналоги.
Кроме того, такие биокомпьютеры способны обучаться (как человеческий мозг) и восстанавливаться (как органические вещества). Здесь же кроется и весьма коварный подводный камень: далеко не всегда понятно, как именно будут проходить вычисления, какой логике они будут следовать. Иными словами, доказать жизнеспособность такой концепции пока только предстоит. Равно как и решить ряд этических вопросов: исследования в этой области очень близки к серой зоне, где не до конца понятно, какими могут быть последствия.
Исследования в этой области ведутся уже десятилетия, но в последние годы ученые заговорили о перспективности технологии в контексте искусственного интеллекта. Собственно, как и инженеры всех остальных перспективных вычислительных платформ, – практически все говорят о связке вычислений с ИИ. И неспроста: именно эта технология серьезно повысила требования к количеству и качеству вычислительных мощностей.
Они, отвечая спросу, активно растут, но пока лишь количественно. И при этом стремительно приближаются к «потолку» нынешнего поколения кремниевых технологий. А значит, качественный скачок – каким бы он ни был – действительно должен случиться в обозримом будущем. Вероятно, уже в этом десятилетии.