Hukum baru Moore dan apa hubungannya fotonik dengan itu?

Sebelumnya, kami telah memeriksa penggunaan teknologi nanophotonics dalam pembelajaran mendalam dan bagaimana teknologi tersebut meningkatkan kinerja sistem komputasi di tingkat perangkat lunak dan perangkat keras.



Topik memperbarui hukum Moore dengan menemukan ketergantungan yang lebih kompleks dari evolusi sistem komputasi yang diangkat untuk diskusi saat ini dipahami dengan baik oleh para peneliti di bidang teknologi plasmonik dan nanophotonics.



Penting: sebagian besar link di artikel mengarah ke materi dalam bahasa Inggris. Tidak banyak peneliti domestik fotonik di Rusia, dan yang ada lebih suka diterbitkan dalam bahasa Inggris.



Untuk studi tambahan tentang topik ini di waktu senggang Anda sambil minum teh, Anda diundang untuk mendengarkan laporan Dmitry Fedyanin - salah satu peneliti Rusia terkemuka tentang penerapan teknologi nanofotonik dalam sistem komputasi.





Dmitry Fedyanin adalah peneliti senior di MIPT.



Dan kemudian kita akan menganalisis artikel yang menarik di mana sekelompok penulis mengusulkan konsep yang sangat orisinal dari metrik pertumbuhan produktivitas, sebuah alternatif dari hukum klasik Moore. Idenya telah matang berkat analisis keterbatasan fisik alami dalam teknologi yang ada untuk pengoperasian inti prosesor, serta prospek sistem baru yang dikonfirmasi secara eksperimental berdasarkan nanofotonik.



Tuntutan berkelanjutan yang dibuat oleh sistem industri modern untuk meningkatkan efisiensi komputasi dan bandwidth komunikasi telah membawa teknologi semikonduktor ke batasnya dalam kondisi saat ini. Hal ini menyebabkan munculnya teknologi baru yang dapat melampaui solusi tradisional. Kita berbicara tentang praprosesor atau akselerator fotonik, sirkuit hibrid elektron-foton, dan jaringan saraf. Namun, upaya yang dilakukan untuk mendeskripsikan dan memprediksi evolusi kinerja sistem komputasi tidak memungkinkan seseorang untuk memprediksi secara akurat dan dengan demikian menjelaskan tingkat perkembangan yang sebenarnya diamati; artinya, semua indikator yang diusulkan akhirnya menyimpang dari lintasan perkembangannya beberapa tahun setelah awalnya diusulkan. Perbedaan ini membutuhkan metrik yang seimbang,yang akan mencakup seperangkat kekuatan pendorong holistik di balik evolusi sistem komputasi.



Konsep asli dari metrik baru yang disebut Capability to Latency-Amount-Resistance (CLEAR) diusulkan oleh tim peneliti internasional (Shuai Sun, Vikram K. Narayana, Mario Miscuglio, Lionel C. Kimerling, Tarek El-Ghazawi, Volker J. Sorger). Menurut penulis artikel (lihat di sini) metrik ini mencakup dinamika perubahan tingkat sinkronisasi, efisiensi energi, penskalaan ukuran fisik komputer, dan biaya ekonomi. Menurut penulis, CLEAR adalah satu-satunya metrik saat ini yang dengan tepat menggambarkan perkembangan historis sistem komputasi. Bahkan dengan opsi yang berbeda dan kombinasi teknologi yang saling menguntungkan, CLEAR konsisten dengan tingkat pertumbuhan konstan yang diamati, termasuk teknologi komputasi dominan yang diusulkan untuk diterapkan di masa depan (perkiraan). CLEAR disajikan kepada pembaca sebagai panduan untuk memprediksi secara kuantitatif peningkatan produktivitas sistem komputasi pada saat ini dan di masa mendatang.



Terlepas dari kenyataan bahwa, secara umum, evolusi kinerja komputasi terus meningkat, kecepatan kinerja perangkat yang diamati berdasarkan industri semikonduktor yang ada melambat secara nyata, terutama dalam teknologi 14nm (lihat di sini dan di sini ). Hal ini disebabkan oleh kendala fisik alami dan biaya ekonomi yang terus meningkat dari proses produksi chip industri yang berkelanjutan.



Untuk alasan ini, Hukum Moore sebagai peta jalan untuk industri semikonduktor telah direvisi beberapa kali untuk menghilangkan hambatan tersebut (lihat disini). Begitu pula dengan dinamika perkembangan (ketergantungan waktu) hubungan besaran fisik lainnya, seperti indikator efisiensi penggunaan daya komputasi ( hukum Kumi ) atau indikator daya komputasi yang diturunkan dari rasio konsumsi energi, ukuran dan biaya ( hukum Makimoto ), akibatnya semua sama menyimpang dibandingkan dengan laju perkembangan teknologi yang diamati (Gbr. 1) - fungsi waktu yang dipilih dalam indikator (misalnya, multicore, biaya produksi) dalam praktiknya tidak dapat memberikan pertumbuhan eksponensial.



Sebagai contoh, performa sebuah prosesor dengan N core masih dibatasi oleh rasio 1 / ((1-p) + p / N) , dimana p adalah level paralelisasi (lihat.di sini ). Oleh karena itu, menjadi semakin sulit untuk melacak evolusi kinerja sistem komputasi jika kita hanya menggunakan hukum Moore (atau metrik prediksi lain yang ada), di mana hanya satu atau beberapa faktor pendorong yang digunakan untuk menggambarkan kinerja sistem komputasi (lihat di sini ). Selain itu, manfaat implementasi perangkat keras yang berbeda (mis., Listrik, optik) berubah dengan cara yang berbeda dari waktu ke waktu, membuat prediksi evolusioner semakin sulit.



Misalnya, fotonik terintegrasi dan mungkin plasmonik dapat memperluas saluran komunikasi tertentu pada papan atau bahkan pada chip. Akibatnya, masalah disipasi daya termal akan berkurang secara signifikan, serta peningkatan bandwidth data dengan kemampuan untuk mengatasi penghalang efisiensi digital elektronik menggunakan pendekatan konseptual seperti wavelength division multiplexing ( WDM ), momentum sudut optik, atau format modulasi yang lebih tinggi seperti modulasi amplitudo polarisasi. modulasi (misalnya, QAM ), di mana polarisasi fase dan amplitudo digunakan secara bersamaan (lihat di sini dan di sini ).



Berkenaan dengan pengorbanan dengan teknologi lain, satu transistor elektronik dengan node proses 14 nm menempati area 3 lipat lebih kecil dari modulator cincin dari microdisk fotonik, namun, fotonik menyediakan interkoneksi pada level saluran tanpa kabel pengisian / pelepasan kapasitif, meskipun sinergis sehubungan dengan hal di atas karakteristik unik yang mendukung kecepatan transfer data hingga Tbps (lihat di sini ). Gambar 1. Sifat perkembangan sistem komputasi, dari tahun 1946 hingga saat ini, dapat direpresentasikan dalam bentuk empat indikator berbeda: (a) hukum Moore - berdasarkan pertumbuhan jumlah komponen pada sebuah chip, diukur dalam satuan jumlah numerik transistor; (b)



gambar

Hukum Kumi - mencerminkan efisiensi energi per unit komputasi, bit / (s * Joule); (c) Indeks Makimoto, yang mencakup "kecerdasan", daya, ukuran dan biaya sistem - diukur dalam satuan MIPS / (W * mm3 * $); dan (d) skor CLEAR yang ditentukan dalam persamaan (4), yang memperhitungkan latensi sistem selain skor Makimoto dan biaya ekonomi yang terkait dengan pengenalan teknologi baru: MIPS / (s * W * mm3 * $). Data Fotonik CLEAR didasarkan pada prediksi Intel untuk fotonik silikon. Garis putus-putus mewakili kesesuaian linier (logaritmik) berdasarkan tingkat pertumbuhan awal, dengan produktivitas tahunan dua kali lipat.



Menurut penulis, indikator 5 faktor CLEAR (namanya mewakili singkatan Capability-to-Latency-Energy-Amount-Resistance) sejauh ini paling andal untuk menggambarkan evolusi kinerja komputasi sepanjang periode sejarah yang diketahui, mulai dari awal kemunculan teknologi komputasi. di tahun 1940-an. dan hingga saat ini. Indikator ini mencakup faktor fisik dan ekonomi yang terkait dengan kecepatan pengembangan berbagai opsi untuk komputasi. Dengan demikian, CLEAR dapat digunakan sebagai indikator kuantitatif yang tidak bergantung pada teknologi, karena CLEAR mencakup ketergantungan fisik dan ekonomi yang mendasar.



Berdasarkan observasi dan analisis, penulis menarik dua kesimpulan utama:



  • , ;
  • ( ) , (.. CLEAR) ( ) .






Kemajuan fisika fundamental, pengelolaan teknologi semikonduktor, dan biaya ekonomi memerlukan perubahan dan adaptasi yang konstan untuk memajukan teknologi sistem komputasi secara progresif. Sejak berdirinya industri semikonduktor, Hukum Moore telah mengubah faktor-faktor yang mendasarinya beberapa kali: dari menghitung transistor, industri sedang berlangsung (Gerakan Pertama) ke footprint dan penskalaan transistor karena batasan ukuran cetakan dan peningkatan kompleksitas sistem secara keseluruhan (lihat di sini ).



Lompatan kedua terjadi ketika kecepatan clock meraba-raba karena kendala disipasi kepadatan daya yang dijelaskan oleh hukum penskalaan Dennard (lihat di sini). Ketika penskalaan transistor mendekati batas fisik dasar, jumlah transistor terus meningkat saat ini karena paralelisme yang diimplementasikan dalam arsitektur heterogen multikor dan paralel masif. Hal ini meningkatkan kemacetan dalam interkoneksi, yang mengakibatkan kebutuhan untuk memutuskan area tertentu dari chip ( "silikon gelap" ). Jadi tingkat pertumbuhan telah berubah dari penggandaan awal setiap 12 bulan menjadi sekitar 24 bulan sekarang.



Baru-baru ini, kekuatan pendorong baru telah muncul dari bidang yang sama sekali berbeda yang memengaruhi evolusi sistem komputasi dan merupakan fotonik terintegrasi dan nanofotonik hibridisasi, di mana perutean sinyal cahaya dilakukan oleh komponen fotonik terintegrasi pasif, sedangkan komponen aktif elektro-optik diperkuat oleh solusi baru:



  • bahan yang dapat dikonfigurasi ulang;
  • interaksi cahaya yang kuat dengan materi, seperti plasmonik atau fotonik ENZ (epsilion-near-zero), bersama-sama menyediakan saluran transmisi data dan bandwidth yang melampaui elektronik konvensional pada dua tingkat: chip dan inti (lihat di sini ).


Untuk teknologi baru ini, hanya menghitung jumlah komponen per cetakan atau jejak penskalaan dan biaya sebagai metrik terpisah tidak mungkin karena tidak lebih akurat mencerminkan perubahan kinerja yang sebenarnya. Yang juga sangat penting adalah tren kemunculan teknologi lain, seperti yang digunakan dalam komunikasi optik, di mana beberapa sinyal dengan panjang gelombang yang berbeda dikemas ke dalam saluran fisik yang sama dan dengan demikian meningkatkan pemanfaatan perangkat keras. Ini merupakan faktor penting dalam mengevaluasi kinerja sistem. Akibatnya, diperlukan metrik holistik yang memperhitungkan berbagai kekuatan pendorong untuk memberikan perbandingan yang akurat dari kontribusi solusi teknologi yang berbeda terhadap evolusi sistem komputasi.



Sebuah indikator tunggal evolusi sistem komputasi



Untuk mendapatkan metrik independen teknologi, penulis mengumpulkan data tentang kinerja desktop, laptop, perangkat seluler, server, workstation, dan superkomputer sejak tahun 1940-an dan membandingkannya dengan metrik tradisional (Gambar 1).



Secara khusus, hukum Moore mengambil jumlah transistor sebagai satu-satunya faktor yang cukup (persamaan 1), sedangkan hukum Kumi sudah bergantung pada dua faktor: energi dan jumlah kalkulasi, dengan demikian menjumlahkan basis untuk indikator, diukur dalam bit / (s * J) (persamaan 2). Jutaan instruksi per detik (MIPS) per ukuran-biaya-daya unit dikenal sebagai metrik Makimoto, sudah didefinisikan sebagai metrik 4 faktor (Persamaan 3).



Hukum Moore = Jumlah Transistor [qty.] (1)



Hukum Kumi= Perhitungan / Energi [bits / (s * J)] (2)



Makimoto Score = Intelligence / (Size * Cost * Power) [MIPS / (mm3 * $ * W)] (3)



Nilai dari ketiga indikator ini menunjukkan pola pertumbuhan yang serupa : Tren naik melacak data aslinya dengan baik, tetapi hanya untuk periode waktu terbatas, dan pada akhirnya menyimpang darinya. Ini menunjukkan bahwa faktor-faktor yang diambil sebagai dasar telah gagal untuk menangkap kekuatan pendorong sebenarnya yang mendominasi evolusi sistem komputasi.



Analisis garis tren pada Gambar. 1 menunjukkan bahwa jumlah transistor awalnya (1950s - 1960s) mencerminkan hukum Moore pertumbuhan tahunan dua kali lipat dengan baik (garis putus-putus hijau muda, Gbr. 1). Namun, penskalaan efisiensi energi (yaitu Hukum Kumi) menjadi faktor dominan selama periode berikutnya (1960-an - 1970-an), karena menambahkan lebih banyak transistor dibatasi oleh ukuran dan kompleksitas chip. Untuk alasan ini, Hukum Moore mulai menyimpang dari tren 2X / tahun, sedangkan Hukum Makimoto masih mempertahankan tingkat pertumbuhan aslinya. Sejak akhir 1970-an, faktor-faktor seperti ukuran dan penskalaan daya secara bertahap mencapai batasnya karena masalah dengan proses manufaktur yang jauh lebih kompleks, kebocoran energi, dan pembuangan panas.Seiring dengan munculnya paralelisme (yaitu prosesor multi-core) dan penskalaan ekonomi di pasar, metrik Makimoto akhirnya juga menyimpang (sejak 1978). Garis putus-putus yang ditunjukkan pada Gambar. 1 mewakili proyeksi awal pertumbuhan produktivitas untuk setiap undang-undang. Garis tren ini menunjukkan bagaimana setiap faktor tambahan yang diperkenalkan oleh undang-undang terkait memengaruhi metrik prakiraan aslinya sendiri, yang ditampilkan sebagai penyimpangan dari prakiraan asli. Dengan melihat tren ini sebagai batas atas teoritis pada kecepatan perkembangan teknologi, sekarang mungkin untuk memahami apakah tren yang "diklaim" sebenarnya "aktual" atau tidak. Artinya, apakah hukum saat ini menjadi alasan perlambatan perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.juga ditolak (sejak 1978). Garis putus-putus yang ditunjukkan pada Gambar. 1 mewakili proyeksi awal pertumbuhan produktivitas untuk setiap undang-undang. Garis tren ini menunjukkan bagaimana setiap faktor tambahan yang diperkenalkan oleh undang-undang terkait memengaruhi metrik prakiraan aslinya sendiri, yang ditampilkan sebagai penyimpangan dari prakiraan asli. Dengan melihat tren ini sebagai batas atas teoritis pada kecepatan perkembangan teknologi, sekarang mungkin untuk memahami apakah tren yang "diklaim" sebenarnya "aktual" atau tidak. Artinya, apakah undang-undang saat ini menjadi alasan perlambatan perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.juga ditolak (sejak 1978). Garis putus-putus yang ditunjukkan pada Gambar. 1 mewakili proyeksi awal pertumbuhan produktivitas untuk setiap undang-undang. Garis tren ini menunjukkan bagaimana setiap faktor tambahan yang diperkenalkan oleh undang-undang terkait memengaruhi metrik prakiraan aslinya sendiri, yang ditampilkan sebagai penyimpangan dari prakiraan asli. Dengan melihat tren ini sebagai batas atas teoritis pada kecepatan perkembangan teknologi, sekarang mungkin untuk memahami apakah tren yang "diklaim" sebenarnya "aktual" atau tidak. Artinya, apakah hukum saat ini menjadi alasan perlambatan perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.bagaimana setiap faktor tambahan yang diperkenalkan oleh hukum yang relevan memengaruhi metrik perkiraan aslinya sendiri, yang ditampilkan sebagai penyimpangan dari perkiraan asli. Dengan melihat tren ini sebagai batas atas teoritis pada kecepatan perkembangan teknologi, sekarang mungkin untuk memahami apakah tren yang "diklaim" sebenarnya "aktual" atau tidak. Artinya, apakah undang-undang saat ini menjadi alasan perlambatan perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.bagaimana setiap faktor tambahan yang diperkenalkan oleh hukum yang relevan memengaruhi metrik perkiraan aslinya sendiri, yang ditampilkan sebagai penyimpangan dari perkiraan asli. Dengan melihat tren ini sebagai batas atas teoritis pada kecepatan perkembangan teknologi, sekarang mungkin untuk memahami apakah tren yang "diklaim" sebenarnya "aktual" atau tidak. Artinya, apakah undang-undang saat ini menjadi alasan perlambatan perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.apakah undang-undang saat ini menyebabkan perlambatan dalam perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.apakah undang-undang saat ini menyebabkan perlambatan dalam perkembangan teknologi, atau faktor produktivitas baru mulai mendominasi.



Dengan demikian, hingga saat ini, belum ada indikator yang diketahui secara jelas yang dapat:



  • menjelaskan perubahan kinerja terkini;
  • memberikan panduan untuk memprediksi kinerja masa depan.


Metrik CLEAR yang diperkenalkan oleh penulis mencakup faktor kinerja dari berbagai opsi teknologi yang mencakup kendala fisik dan ekonomi. Penegasan utama penulis adalah bahwa faktor-faktor yang membentuk CLEAR tidak dipilih secara acak, tetapi sangat mendasar bagi tren teknologi dan ekonomi:



CLEAR = Kemampuan / (Delay * Energy * Quantity * Resistance) [[MIPS / (s * W * mm3 *) $)]] (4)



atau aslinya:



CLEAR = (Capability) / (Latency * Energy * Amount * Resistence) [[MIPS / (s * W * mm3 * $)]]



Para penulis, setelah merumuskan formula untuk indikator CLEAR, menentukan tingkat pertumbuhan yang konstan selama evolusi sistem komputasi, yang mencakup pertumbuhan kinerja sebesar 4 kali lipat selama tujuh dekade. Selain itu, tingkat perkembangan aktual yang diamati secara konsisten meningkat dua kali lipat setiap 12 bulan. Skor 5 faktor ini didasarkan pada konsep kinerja dan biaya. CLEAR dapat diterapkan di perangkat, skema, dan tingkat sistem.



Misalnya, pada level sistem, CLEAR disusun sebagai berikut:

Kapabilitas C adalah kinerja sistem yang diukur dengan produk jutaan instruksi per detik (MIPS) dan panjang instruksi;

penundaan minimum Lmengacu pada frekuensi clock dan dibatasi oleh jendela waktu antara dua siklus clock yang berdekatan;

Energi E mewakili tingkat konsumsi energi untuk pengoperasian sistem semacam itu guna memperoleh daya tertentu, dinyatakan dalam satuan watt;

Kuantitas A mewakili volume spasial (yaitu, ukuran fisik) dari sistem dan merupakan fungsi dari dimensi proses;

Resistance R mengukur ketahanan ekonomi terhadap adopsi pasar dari teknologi baru. Pada dasarnya, penulis mengambil model ekonomi berdasarkan kurva pengalaman Boston Consulting Group (BCG) yang menjelaskan hubungan antara total produksi dan biaya unit (lihat di sini ).



Penulis mendapatkan hubungan linier antara skala logaritmik dari unit harga dan waktu, dan kemudian mengkonfirmasi hubungan ini dengan membandingkan data historis (lihat di sini dan di sini ) dengan CLEAR.



Penulis mencatat bahwa metrik MIPS sebagai ukuran kinerja digantikan oleh metrik seperti operasi floating point (FLOPS) karena kerentanannya terhadap set instruksi yang mendasarinya. CLEAR telah diterapkan ke berbagai arsitektur prosesor sepanjang sejarah di mana metrik kinerja lainnya tidak tersedia dalam rangkaian benchmark yang dikenal (seperti SPEC atau LINPAC). Namun, untuk membuat MIPS menjadi metrik kinerja yang representatif, penulis menimbang (yaitu mengalikan) setiap instruksi dengan panjangnya, sehingga memberikan metrik keseluruhan relatif dalam hal bit / s.



Tren pengembangan sistem komputer



Setelah membandingkan keempat indikator yang ditunjukkan pada Gambar. 1, kami menemukan bahwa ketika metrik menyertakan faktor yang lebih relevan, titik awal penyimpangannya dari tren awal terjadi kemudian. Tidak seperti CLEAR, yang menampilkan data yang sama persis dalam segala hal. Dengan demikian, kami menemukan secara empiris bahwa kinerja komputasi terus berkembang pada tingkat yang tetap sekitar dua kali lipat setiap tahunnya dan tidak bergantung pada teknologi. Dengan menguji mesin komputasi baru, seperti yang didasarkan pada fotonik terintegrasi, seperti yang diprediksi oleh IBM (lihat di sini ), kami menemukan bahwa teknologi semacam itu memang dapat melanjutkan tren evolusi perkembangan dengan pertumbuhan dua kali lipat tahunan (bintang merah pada Gambar 1).



Selain itu, Anda akan menemukan bahwa deviasi relatif dari garis tren 2X / tahun dapat digunakan untuk mengklasifikasikan metrik sistem komputasi. Misalnya, biaya overhead tambahan (yaitu ukuran fisik, konkurensi, pendinginan, skala ekonomi rendah, dan biaya produksi) pada superkomputer menunjukkan nilai CLEAR terburuknya dibandingkan dengan semua jenis komputer lain seperti laptop dan perangkat seluler, terlepas dari produktivitas yang lebih tinggi (lingkaran putus-putus, Gbr. 1 c, d). Paralelisme tinggi dari teknologi multi inti yang digunakan dalam superkomputer telah ditantang oleh kembalinya dari komputasi ke energi yang dijelaskan dalam Hukum Amdahl (lihat di sini). Meskipun superkomputer memberikan kinerja petaflop, seluruh infrastruktur menyerupai infrastruktur komputer lima hingga tiga puluh tahun yang lalu, yang mempertanyakan masa depan skalabilitasnya.



Analisis CLEAR



Untuk mendapatkan pemahaman yang lebih rinci tentang dampak relatif dari masing-masing 5 faktor CLEAR, penulis menguraikan indikator menjadi faktor-faktor individu, berlawanan satu sama lain, untuk mengungkapkan kekuatan pendorong yang sebenarnya dari waktu ke waktu.



Kombinasi faktor-faktor yang digunakan pada Gambar. 2, mewakili C versus LEAR, CLE versus AR, dan CLEA versus R (Gbr. 2, C = kemampuan, L = penundaan, E = energi, A = kuantitas, R = resistansi). Selain itu, tingkat pengecualian C 'ditampilkan dibandingkan dengan semua faktor lainnya, karena satu-satunya faktor penskalaan di tahun-tahun awal industri semikonduktor adalah jumlah komponen pada sebuah chip. Penting untuk dicatat bahwa posisi relatif setiap titik data lebih penting daripada nilai yang tepat pada sumbu X dan Y, dan dengan demikian kedua sumbu dinormalisasi menjadi satu, memungkinkan setiap kasus untuk dibandingkan.



Karena area berarsir biru dan merah masing-masing mewakili area pertumbuhan dan saturasi linier, pergeseran titik pivot yang berurutan ke kanan dengan bertambahnya jumlah faktor yang dipertimbangkan untuk sumbu X (yaitu, waktu relatif) mudah dideteksi. Untuk memahami hal ini, faktor-faktor pada sumbu X dapat dilihat sebagai gaya penggerak indikator, sedangkan nilai pada sumbu Y menunjukkan kondisi pelacakan aktual dari gaya penggerak yang dimaksud. Konsekuensinya, domain linier berarti faktor-faktor pada sumbu X masih mendominasi perkembangan teknologi, sedangkan kekuatan pendorong teknologi mulai bergeser ke faktor lain saat memasuki domain saturasi. Hasil ini bertepatan dengan pengamatan yang dilakukan bahwa evolusi sistem komputasi selalu tumbuh pada kecepatan konstan ini, dan ketidaksesuaian dengan indikator hanya terjadi jikaketika kekuatan pendorong lain muncul.



1

Gambar 2. Analisis gaya penggerak CLEAR.

Indikator CLEAR dibagi menjadi empat kelompok, yang masing-masing terdiri dari dua bagian: koefisien yang menunjukkan faktor-faktor dalam perkembangan teknologi (sumbu X) dan faktor pengungkapan, yang menunjukkan kemampuan untuk melacak faktor yang dipilih atau kombinasi faktor (sumbu Y). Hasilnya menunjukkan bahwa penyimpangan selanjutnya dari pengembangan yang dinormalisasi diamati ketika lebih banyak faktor yang diperhitungkan untuk menggambarkan kinerja sistem komputasi. (a) Kecepatan Sulit C 'versus Delay-Energy-Quantity-Cost (LEAR); (b) Kemampuan C versus Delay-Energy-Quantity-Cost (LEAR); (c) Kemampuan Delay-Energy (CLE) versus Quantity-Cost (AR); (d)Kemampuan Delay-Energy-Amount (CLEA) vs. Cost R. Sumbu X dan Y dinormalisasi menjadi satu untuk perbandingan yang lebih baik. Area pertumbuhan dan saturasi linier masing-masing ditutupi dengan bayangan biru dan merah.



Aplikasi CLEAR



Penting bahwa kemampuan untuk melacak evolusi berbagai teknologi secara mulus memungkinkan CLEAR untuk memprediksi substitusi teknologi di masa depan dan menentukan standar untuk teknologi masa depan, termasuk hibridisasinya, misalnya, antara elektronik dan fotonik (lihat di sini , di sini , di sini dan di sini ).



Perubahan teknologi



Interkoneksi fotonik dalam chip baru-baru ini menunjukkan kapasitas transfer data yang tinggi (lebih unggul dari interkoneksi listrik konvensional) ketika dihibridisasi dengan perangkat plasmonik aktif (lihat di sini ). Meskipun perutean data optik dianggap sebagai solusi yang mungkin untuk menghilangkan kemacetan komunikasi antara inti komputasi dan biasanya digunakan di pusat data dan superkomputer, fotonik terintegrasi belum diterapkan di sektor konsumen arus utama. Ini tampaknya mengejutkan pada awalnya, karena penelitian sebelumnya menunjukkan kinerja yang unggul dalam hibridisasi foton-plasmon. Jadi pertanyaannya, mengapa fotonik terintegrasi tidak digunakan dalam produk pasar massal?



Untuk menjawab pertanyaan ini, mari kita bandingkan CLEAR untuk ikatan elektronik dengan ikatan foton-plasmon hibrid yang bergantung pada waktu evolusi dan jarak propagasi sinyal (Gbr. 3). Di sini, manipulasi cahaya dilakukan menggunakan blok penyusun "aktif" plasmonik (sumber, modulator, detektor, sakelar) (lihat di sini dan di sini), sedangkan perambatan cahaya diproses oleh fotonik kehilangan rendah berdasarkan platform silikon atau silikon nitrida. Elektronika dibandingkan dengan varian hibrid plasmon-foton ini, karena pemisahan fungsionalitas aktif dan pasif dalam hibrid plasmon-fotonik menghasilkan kinerja yang lebih tinggi (yaitu, latensi lebih rendah, throughput lebih tinggi, fungsi energi-per-bit lebih rendah). Kurva permukaan yang dihasilkan menunjukkan bahwa elektronika CLEAR dan plasmon-fotonik memiliki garis impas (persimpangan permukaan, Gbr. 3), yang diskalakan baik dalam waktu maupun dalam jarak perambatan sinyal. Menariknya, saat ini elektronika masih di depan fotonik dengan ukuran chip 1 cm pada panjang transfer informasi.Oleh karena itu, elektronik masih digunakan secara komersial pada kristal, berbeda dengan fotonik. Investasi dan perkembangan elektronik selama setengah abad terakhir telah menciptakan keberlanjutan teknologi (hambatan masuk) untuk teknologi lain. Penskalaan ini mengakibatkan transistor menghabiskan biaya hanya sepermiliar dari biaya perangkat fotonik, atau kurang.di sini ). Gambar 3. Perbandingan indikator CLEAR interkoneksi listrik (biru) dan hybrid photon-plasmonic (merah) pada sebuah chip, tergantung dari lamanya sambungan dan waktu pengembangan teknologi. Ukuran keping = 1 cm, panjang mata rantai dan tahun penulisan (2019) diberi tanda merah. Model berikut telah diterapkan; a) model bandwidth berdasarkan jumlah transistor dan perangkat optik pada sebuah chip, yang dapat dianggap sebagai model asli hukum Moore; b) model efisiensi energi berdasarkan hukum Kumi, yang dibatasi oleh batas Landauer kB * T * ln (2) ≈ 2,75 sJ / bit, (kB adalah konstanta Boltzmann; T adalah suhunya); di)



2

model keberlanjutan ekonomi berdasarkan model perkembangan teknologi hingga tahun 2019, yang menurutnya biaya saluran elektronik kurang dari satu miliar atau sepersejuta biaya saluran hibrida; d) model konkurensi (pasca-2006) yang menjelaskan arsitektur multicore dan batasan "silikon gelap" dalam interkoneksi listrik. Titik kuning terletak di persimpangan kedua teknologi pada periode 2019, ketika teknologi Hybrid Plasmon-Photonics baru saja mencapai ukuran chip dan mulai menunjukkan performa CLEAR terbaik pada sebuah chip.



Seiring dengan peningkatan teknologi dan proses manufaktur, jarak impas produktivitas untuk satu harga (yaitu, CLEAR) untuk transmisi sejumlah kecil informasi menyusut karena kurva biaya elektronik yang lebih datar dibandingkan dengan fotonik, yang terakhir mengikuti hukum daya dari waktu ke waktu. Selain itu, biaya mulai meningkat dengan penskalaan kepadatan interkoneksi listrik yang terkait dengan biaya tambahan karena masalah fisik mendasar pada node transistor kurang dari 10 nm (lihat di sini ). Sebaliknya, interkoneksi foton-plasmonik hibrida saat ini mahal karena penskalaan yang baru jadi yang merupakan tujuan American Institute for Integrated Photonics Manufacturing ( AIM Photonics). Scaling sekarang dimungkinkan sebagai hasil dari kemajuan terbaru dalam nanophotonics; konsep meningkatkan interaksi cahaya dengan materi memungkinkan untuk membuat panjang gelombang kompak dalam perangkat optoelektronik dengan keuntungan efisiensi energi tinggi dan kecepatan operasi tinggi karena kapasitansi listrik rendah (lihat di sini ). Akibatnya, jarak impas antara elektronik dan teknologi foton-plasmon hibrid diharapkan bergeser lebih jauh ke jarak yang lebih pendek saat kita bergerak di sepanjang garis waktu. Misalnya, chip fotonik silikon berbasis CMOS yang ditunjukkan IBM pada tahun 2015 hampir mencapai titik impas (lihat di sini). Fotonik terintegrasi akan dapat menggantikan elektronik hanya jika kecepatan kinerja CLEAR-nya dapat mengikuti tren evolusi umum sistem komputasi.



kesimpulan



Seperti yang kita lihat dari alasan di atas, CLEAR dapat dianggap sebagai indikator teknis dan ekonomi universal, tidak hanya karena penerapan hierarkisnya yang luas (perangkat, interkoneksi, tingkat sistem), tetapi juga karena kemampuannya untuk beradaptasi dengan aplikasi teknologi tertentu. Misalnya, untuk hibridisasi jaringan dalam kristal. CLEAR tidak hanya dapat digunakan sebagai metrik kinerja untuk memprediksi evolusi platform teknologi, tetapi juga memungkinkan untuk membandingkan kemampuan keseluruhan platform teknologi dalam kondisi penggunaan yang berbeda dengan menambahkan bobot ke setiap faktor dalam persamaan (4) .



Dalam metrik CLEAR yang awalnya diusulkan ini, kelima faktor secara linier mempengaruhi nilai CLEAR, namun, untuk aplikasi tertentu yang sangat bergantung pada faktor tertentu (atau kombinasi faktor), setiap faktor dalam CLEAR dapat diberi bobot secara berbeda. Untuk memastikan komparabilitas, bahkan di antara metrik yang "disetel", mungkin perlu memastikan bahwa jumlah semua koefisien sama dengan 5, mirip dengan normalisasi ke satu, seperti integral fungsi gelombang dalam mekanika kuantum. Misalnya, sistem perangkat portabel mungkin memiliki kendala energi (E) dan volume (A) yang parah sehingga menghasilkan metrik CLEAR C 0,8 L 0,8 E 1,2 A 1,2 Runtuk teknologi seperti itu. Memang, akan menarik untuk membandingkan tren dari berbagai metrik yang disesuaikan dengan kemampuan untuk memprediksi teknologi masa depan.



Selain itu, kami dapat melihat saluran atau jaringan komunikasi masa depan dapat dikonfigurasi ulang secara dinamis, memungkinkan chip untuk mengubah titik operasi idealnya tergantung pada aplikasi saat ini, beban, mode daya, dll. Sistem yang didorong data dinamis ( DDDAS) diminati karena kombinasi kemampuan pemrosesan kognitifnya. Adaptasi sistem komputer untuk beberapa kendala diharapkan bersinergi dengan sistem teori informasi yang muncul seperti komputasi neuromorfik dan reservoir, di mana adaptasi dan penyetelan "bobot" memungkinkan pembelajaran mesin, aritmatika kalkulus sisa, atau bahkan fotonik silikon tertanam dari komputasi optik. (lihat disini , disini , disini dan disini ).



Perlu juga dicatat bahwa, seperti yang terjadi dengan semua metrik prediksi kinerja sebelumnya untuk platform teknologi, CLEAR pada akhirnya mungkin mulai menyimpang dari tren aslinya ketika fitur fisik yang lebih unik digunakan dalam teknologi baru. Saat ini, CLEAR secara memadai mencakup semua faktor kinerja dominan dalam teknologi modern, yang memungkinkan untuk secara akurat memprediksi evolusi sistem komputasi pada saat penulisan ini.



Dengan demikian, CLEAR tidak hanya menjadi alat untuk memetakan dan memperkirakan prospek, tetapi juga dapat membuka jalan bagi platform kontrol komputer cerdas dan kognitif berbasis perangkat keras, di mana pertukaran antara kinerja dan biaya ditinjau dan dioptimalkan secara real time.



Hasilnya, CLEAR dapat dipandang sebagai hukum baru Moore, yang secara integral mencerminkan tren perkembangan teknologi di berbagai tingkat penerapan hierarkis.



All Articles