ساخت ریزپردازنده مبتنی بر ابررسانا با بازدهی انرژی فوق العاده بالا
محققان دانشگاه ملی یوکوهاما در ژاپن با استفاده از ابررساناها نمونه اولیه ریزپردازندهای را توسعه دادهاند که بازدهی انرژی آن حدود ۸۰ برابر از راهکارهای نیمههادی بکاررفته در سیستمهای رایانشی امروزی بیشتر است. محققان با ...
محققان دانشگاه ملی یوکوهاما در ژاپن با استفاده از ابررساناها نمونه اولیه ریزپردازندهای را توسعه دادهاند که بازدهی انرژی آن حدود ۸۰ برابر از راهکارهای نیمههادی بکاررفته در سیستمهای رایانشی امروزی بیشتر است.
محققان با انتشار مقالهای جزئیات توسعه یک معماری ریزپردازنده با بازدهی انرژی بسیار بالا با استفاده از ابررساناها را توضیح دادهاند. ابررساناها (superconductor) بازدهی انرژی بسیار بالایی دارند، اما یکی از نقاط ضعف آنها این است که برای کارکرد صحیح به دمای بسیار پایین نیاز دارند.
محققان برای رفع این مشکل از نوعی ساختار ابررسانا با بازدهی انرژی فوق العاده بالا به نام AQFP به عنوان سنگ بنای ریزپردازندههای بسیار پرتوان اما فوق العاده کم مصرف استفاده کردند که در صورت تولید انبوه میتوان از آنها در دیتاسنترها و شبکهها مخابراتی استفاده کرد.
محققان با استفاده از AQFP نمونه اولیه یک ریزپردازنده ۴ بیتی به نام Monolithic Adiabatic iNtegration Architecture یا به اختصار MANA را ساخته و از آن به عنوان «اولین ریزپردازنده ابررسانای آدیاباتیک دنیا» یاد کردهاند. به گفته محققان این ریزپردازنده با فرکانس ۲.۵ گیگاهرتز فعالیت کرده و از این لحاظ همردیف فناوریهای رایانشی کنونی قرار میگیرد. آنها میافزایند که با بهبود طراحی و اصلاحات دیگر میتوان سرعت این ریزپردازنده را به ۵ الی ۱۰ گیگاهرتز رساند.
یکی از نقاط ضعف ابررساناها این است که برای عملکرد صحیح به دمای فوق العاده پایین نیاز دارند و استفاده از سیستم خنک کننده قوی میتواند بازدهی انرژی آنها را پایین بیاورد. اما محققان نظر دیگری داشته و میگویند با وجود استفاده از سیستم خنک کننده، AQFP همچنان حدود ۸۰ برابر بازدهی انرژی بیشتری در مقایسه با راهکارهای نیمههادی بکاررفته در چیپهای کامپیوتری امروزی دارد.
محققان میخواهند در گام بعدی چیپ خود را بوسیله کوچک کردن AQFP، افزایش سرعت عملیاتی و افزایش هر چه بیشتر بازدهی انرژی بهتر کرده و در مورد مقیاسپذیری آن تحقیق کنند. آنها همچنین قصد دارند استفاده از AQFP را در زمینههای دیگری مثل رایانش نورومورفیک برای هوش مصنوعی و رایانش کوانتومی آزمایش کنند.
یافتههای این تحقیق در ژورنال IEEE Journal of Solid-State Circuits منتشر شده است.
برای گفتگو با کاربران ثبت نام کنید یا وارد حساب کاربری خود شوید.