本文主要是介绍Computing beyond Moore’s Law(2015),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Computing beyond Moore’s Law(2015)
作者
John M. Shalf, Lawrence Berkeley National Laboratory
Robert Leland, Sandia National Laboratories摩尔定律:每18个月,晶体管数量翻一番。
Robert Dennard scaling:通过缩小晶体管的尺寸,使得单位面积上的能量密度不变,但是晶体管速度提升。(2004年开始,由于工艺的限制,电压将无法继续降低,尺寸的缩小也会更难)
解决现在半导体制造技术的限制的三种基本的路径
- 制造新的设备
- 设计需要或者是不需要新设备的体系结构
- 发展新的计算模型
PETs: piezo-electric transistors;
TFETs: tunneling field-effect transistors;
NTV: near-threshold voltage.摩尔定律遇到的问题
- 20世纪80年代,Bipolar工艺无法继续缩小bipolar逻辑电路的功耗密度,同时也无法满足系统集成的要求,因此出现了CMOS工艺技术,使得摩尔定律能够继续的维持下去(两种工艺的差别 :http://blog.csdn.net/u011886336/article/details/38295283)
- 2004年,Dennard scaling开始失效,功耗密度无法继续维持,时钟频率无法进一步提高,因此出现了多核的技术代替了单核,保证了摩尔定律继续维持到2014年
- 2015年,数据的传输能力和电线的效率没有能够得到提高,解决方式是从以计算为中心转向到以数据为中心的计算模式,但是因此摩尔定律很有可能无法继续适用
摩尔定律的终结可能会造成的另一个问题:由于摩尔定律的存在,人们已经适应了市场上电子产品的更新换代的快节奏,如果更新速度降低,很有可能会给经济发展造成非常大的负面影响,从而导致计算行业的发展。
IARPA(the Intelligence Advanced Research Projects Activity )在一份报告里面提出了,四种基本的计算模型(computational models):
- CDC(classical digital computing),包括所有的二进制数字电子学,构成了计算和消费的电子行业
- AC(analog computing),包括所有利用直接的物理原理实现计算的非二进制设备
- NC(neuro-inspired computing),包括基于大脑工作原理和通常的神经计算原理实现的设备
- QC(quantum computing),在理论上可以用来通过从所有可能的问题答案的叠加中选择期望的状态来解决组合复杂性的一些问题。CDC擅长的领域,QC并不适合取代CDC
IARPA同时强调了区分计算的新计算模型和针对现有模型的新技术实现的重要性,同时作者认为后者更加适合目前的研究,因为前者虽然性能很好,但是并不能替代传统的CDC的工作。
替代CMOS工艺的技术的四个方面的要求(前三个是Shekhar Borkar 提出,最后一个作者补充)
- 利润。要求设备从开到关的状态所需要的能量必须远少于设备控制所需要的能量
- signal-to-noise(抗噪声)。信号必须能够被从背景噪声重识别出来
- 可伸缩性(scalability)。该技术必须支持通过技术改进,达到密度的增加和相应的能耗减少
- 可升级的制造性。该技术必须可以用能够进行工业规模实施的工艺生产
针对于CDC的改进方法的总结。论文花费了许多篇幅注意介绍了表格中的各个技术的研究现状
不降低设备电压的原因:
- 电压降低会减少晶体管的抗噪性
- 电压降低会使得电路的性能变化更大
论文结论中指出”社会严重依赖摩尔定律所提供的好处 - 便宜的技术几乎毫不费力地扩大规模。 从这一点来看,数据移动的能源成本将主导技术和经济问题,因为计算数据所需的能源成本比数据移动到计算单元的能源成本下降的更快“
这篇关于Computing beyond Moore’s Law(2015)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!