ساخت یك ریزپردازنده ۸۰ برابر كارآمدتر از نمونه های امروزی
پژوهشگران با ساخت یک ریزپردازنده بسیار کارآمد حالا می توانند خیلی از ناکارآمدی های انرژی و مشکلات کار با ریزپردازنده ها را در محاسبات مدرن حل کنند.
به گزارش کوتاه کننده لینک به نقل از ایسنا و به نقل از آی ای، پژوهشگران دانشگاه ملی "یوکوهاما" در ژاپن ریزپردازنده ای ساخته اند که ۸۰ برابر کارآمدتر از پیشرفته ترین ریزپردازنده های امروزی است.
قدرت محاسبات، امروزه یکی از بزرگترین عوامل محرکه پیشرفت فناوری است. همانطور که نیاز به قدرت محاسباتی بطور نامحدودی افزایش می یابد، مقدار محدودی انرژی وجود دارد که می تواند برای این اهداف مصرف شود. این یکی از اشکالات اساسی پیرامون افزایش اتصال و تقاضای انرژی از زیرساخت های کامپیوتری در حال رشد است.
بعنوان مثال، خیلی از مراکز داده مدرن باید از نظر جغرافیایی در مجاورت آب قرار داشته باشند تا بتوانند خنک کننده کافی را برای کامپیوتر ها تامین کنند.
این موضوع، عملکرد زیرساخت های پیشرفته محاسباتی را محدود می کند. کاهش تقاضای انرژی برای محاسبات، سریع ترین راه برای حل این مشکل است و این ریزپردازنده جدید ممکنست این کار را انجام دهد.
تحقیقات این تیم در مجله IEEE of Solid-State Circuits انتشار یافته است و جزئیات دقیق نحوه دستیابی این تیم به چنین ریزپردازنده کارآمدی با بهره گیری از ابررساناها توضیح داده شده است.
بزرگترین محدودیت پیرامون ریزپردازنده جدید شرایطی است که برای عملکرد کارآمد آن لازم است، چیزی که پژوهشگران اظهار داشتند در آینده بر آن غلبه خواهند کرد.
استفاده از ابررساناها برای سازه های الکترونیکی دیجیتال به این تیم اجازه داد ریزپردازنده ها را بهینه کند. فرآیندی که آنها استفاده کردند، "کوانتوم-شار-پارامترون آدیاباتیک" یا "AQFP" نامیده می شود. این پروسه بعنوان یک پله برای ریزپردازنده های کم مصرف و با کارایی بالا عمل می کند.
بطور سنتی، ابررساناها برای کار با وسایل کارآمد به مقدار زیادی خنک کننده احتیاج دارند و موجب می شوند بعد از در نظر گرفتن نیاز به برق برای ابررسانا، جهت استفاده در ریزپردازنده های کارآمد نامناسب باشند. با این وجود این تیم دریافت که ریزپردازنده های مبتنی بر ابررسانای ابداعی آنها حتی بعد از در نظر گرفتن انرژی ابررسانای مورد نیاز برای دستگاه "AQFP"، هنوز هم ۸۰ برابر کم مصرف تر است.
این تیم تحقیقاتی بعد از اثبات اولیه طرح خود در مقالات و تحقیقات، حالا در حال کار بر روی بهبود دستگاه با تمرکز بر مقیاس پذیری است تا بتواند در طیف وسیع تری از موارد کار کند.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب