Классический компьютер, от смартфона до суперкомпьютера, построен на одной и той же идее: минимальная единица информации — бит, принимающий два состояния, 0 или 1. Эта модель оказалась невероятно живучей: за семьдесят лет она пережила смену ламп на транзисторы, транзисторов — на интегральные схемы, а техпроцессы ужались от сантиметров до единиц нанометров. Однако физические пределы кремниевой двоичной электроники уже видны, и исследователи по всему миру ищут способы хранить и обрабатывать больше информации за одну физическую операцию, чем это позволяет бит. Эта статья подробно рассматривает пять главных направлений такого поиска: многозначную логику, квантовые вычисления, мемристоры, нейроморфные системы и оптические компьютеры.
Самое прямое продолжение классической идеи — просто увеличить число логических состояний. Если двоичная логика оперирует значениями 0 и 1, то троичная использует три состояния (например, −1, 0 и +1 в симметричной системе или 0, 1 и 2 в несимметричной), четверичная — четыре, и так далее. Исторический прецедент здесь хорошо известен: советская ЭВМ «Сетунь», построенная в МГУ в конце 1950-х годов, работала на троичной логике и показала, что такой подход жизнеспособен на практике.
Единица информации в троичной системе называется тритом, в четверичной — квартом. Выигрыш от перехода к большему основанию проявляется в информационной ёмкости: один трит несёт log₂3 ≈ 1,58 бита информации. Это значит, что миллион тритов хранит примерно на 58 % больше данных, чем миллион битов, при том же количестве физических элементов. Кроме ёмкости, многозначная логика сокращает число межсоединений на кристалле — а именно проводники, а не транзисторы, сегодня занимают львиную долю площади чипа и создают задержки.
Логические элементы в такой системе — аналоги привычных AND, OR и NOT — должны уметь различать и формировать уже не два, а три и более уровней сигнала. Именно здесь кроется главная инженерная проблема. В двоичной схеме достаточно двух порогов: скажем, всё, что ниже 0,4 В, считается нулём, всё, что выше 0,8 В, — единицей, а широкая зона между ними служит запасом помехоустойчивости. Для трёх состояний нужно уверенно удерживать и различать три диапазона напряжений — например, около 0 В, 0,6 В и 1,2 В. Зазоры между уровнями сужаются, и любые помехи, разброс параметров транзисторов и температурный дрейф начинают приводить к ошибкам гораздо чаще, чем в двоичной схеме. Чем больше уровней, тем острее проблема.
Поэтому исследования многозначной логики сегодня сосредоточены не столько на схемотехнике, сколько на новой элементной базе, способной давать устойчивые множественные состояния: это транзисторы новых конструкций, углеродные нанотрубки, ферроэлектрическая память, оксидные полупроводники и графеновые структуры. Отдельные лаборатории уже демонстрировали экспериментальные троичные процессоры на десятки тысяч транзисторов. До массового производства дело пока не дошло — надёжное разделение уровней в условиях реального серийного техпроцесса остаётся нерешённой задачей, — но направление продолжает развиваться, тем более что элементы многозначной памяти фактически уже используются в индустрии: многоуровневые ячейки флеш-памяти (MLC, TLC, QLC) хранят по 2–4 бита на ячейку именно за счёт различения нескольких уровней заряда.
Если многозначная логика лишь расширяет классическую модель, то квантовые вычисления строятся на принципиально ином фундаменте. Обычный компьютер кодирует информацию электрическими сигналами и в каждый момент времени находится в одном определённом состоянии. Квантовый компьютер использует свойства квантовой механики — суперпозицию и запутанность, — и его базовый элемент называется кубитом.
Кубит, в отличие от бита, не обязан быть строго нулём или единицей: он может находиться в суперпозиции обоих состояний одновременно. Для наглядности это иногда описывают как «70 % состояния 0 и 30 % состояния 1», но важно понимать, что это лишь упрощённая аналогия: кубит описывается не вероятностной смесью, а квантовым состоянием — вектором с комплексными амплитудами, и именно интерференция этих амплитуд лежит в основе квантовых алгоритмов. Система из n кубитов описывается суперпозицией сразу 2ⁿ базисных состояний, и правильно построенный алгоритм заставляет «неправильные» варианты ответа гасить друг друга, а «правильные» — усиливаться.
Благодаря этому некоторые задачи квантовый компьютер способен решать принципиально быстрее классического. Хрестоматийные примеры — факторизация больших чисел (алгоритм Шора), напрямую угрожающая современной криптографии с открытым ключом, и поиск в неструктурированных данных (алгоритм Гровера). Большие надежды связаны также с моделированием молекул и материалов, то есть с задачами, которые сами по себе квантовые по своей природе.
Развитием идеи кубита стал кутрит — квантовый элемент с тремя базисными состояниями |0⟩, |1⟩ и |2⟩, способный находиться в суперпозиции всех трёх одновременно. Кутрит увеличивает информационную ёмкость одного физического носителя и потенциально позволяет строить более компактные и эффективные квантовые схемы. Однако управлять кутритами существенно сложнее, чем кубитами: требуется точнее адресовать энергетические уровни и бороться с большим числом каналов ошибок, поэтому кутриты пока остаются предметом экспериментальных исследований.
Важно понимать и границы применимости: квантовый компьютер — не «очень быстрый обычный компьютер» и не замена ПК. Он предназначен для узкого класса специализированных задач, а для повседневных вычислений остаётся классическая техника. К тому же сегодняшние квантовые машины работают в режиме NISQ (шумные квантовые устройства промежуточного масштаба): кубиты быстро теряют когерентность, а полноценная коррекция ошибок требует огромной избыточности. Тем не менее это направление находится в стадии активной разработки, рабочие прототипы существуют у целого ряда компаний и научных центров, а прогресс в качестве кубитов и коррекции ошибок идёт непрерывно.
Мемристор — «резистор с памятью» — считается четвёртым фундаментальным пассивным элементом электроники наряду с резистором, конденсатором и катушкой индуктивности. Его существование теоретически предсказал Леон Чуа ещё в 1971 году, а физическую реализацию продемонстрировали в 2008 году. Суть элемента в том, что его сопротивление зависит от истории протекавшего через него тока: пропустили ток в одну сторону — сопротивление уменьшилось, в другую — выросло, а достигнутое значение сохраняется даже после полного отключения питания.
Отличие от транзисторной логики принципиально. Транзистор в цифровой схеме — это ключ с двумя состояниями, «включено» и «выключено». Мемристор же может иметь множество устойчивых уровней сопротивления — условно 5 Ом, 20 Ом, 100 Ом, 500 Ом и так далее, — а значит, одна ячейка хранит не один бит, а сразу несколько. Это роднит мемристоры с многозначной логикой, но добавляет два решающих свойства: энергонезависимость и способность участвовать в вычислениях.
Именно последнее делает направление особенно интересным. Классическая архитектура фон Неймана страдает от так называемого «бутылочного горлышка»: процессор и память разделены, и постоянная пересылка данных между ними съедает время и энергию — зачастую больше, чем сами вычисления. Мемристорные массивы позволяют выполнять операции прямо в памяти (in-memory computing): например, матрично-векторное умножение — основную операцию нейронных сетей — можно осуществить аналогово, за один такт, просто подав напряжения на строки мемристорной матрицы и измерив токи на столбцах. Данные при этом никуда не перемещаются.
Сильные стороны мемристоров складываются в привлекательный набор: энергонезависимое хранение, высокая плотность записи, очень низкое энергопотребление и совмещение памяти с логикой в одном элементе. Разработками занимаются многие университеты и крупные компании; опубликовано огромное количество работ и создано немало прототипов, в том числе коммерческая память ReRAM, построенная на мемристивных эффектах. Однако массовой универсальной замены DRAM или процессоров пока не произошло: мешают деградация ячеек при многократной перезаписи, разброс параметров от элемента к элементу и сложность точного программирования промежуточных уровней сопротивления. Наиболее вероятная ниша ближайших лет — специализированные ускорители ИИ и энергонезависимая память нового поколения.
Человеческий мозг потребляет около двадцати ватт — как тусклая лампочка — и при этом решает задачи распознавания, ассоциативной памяти и моторного контроля, которые дата-центрам даются ценой мегаватт. Нейроморфные вычисления — это попытка перенести архитектурные принципы мозга в кремний.
Контраст с классическим процессором фундаментален. Обычный CPU выполняет инструкции последовательно, одну за другой: инструкция 1, затем инструкция 2, затем инструкция 3; параллелизм достигается лишь размножением таких последовательных конвейеров. В мозге же одновременно и асинхронно работают миллиарды нейронов, каждый из которых связан с тысячами соседей. Нет ни центрального тактового генератора, ни разделения на процессор и память: знания хранятся прямо в силе синаптических связей, там же, где идёт обработка.
Нейроморфный процессор строится из аппаратных моделей нейронов. Каждый такой нейрон получает входные сигналы от соседей, суммирует их с учётом весов связей, принимает решение — «выстрелить» или нет — и при срабатывании передаёт импульс дальше по сети. В большинстве современных нейроморфных чипов используется импульсная (спайковая) модель: информация кодируется не уровнями напряжения, а моментами и частотой коротких импульсов, как в биологических нейронах. Ключевое следствие — событийность: элементы схемы потребляют энергию только тогда, когда через них проходят события, а не на каждом такте, как в синхронном процессоре. Отсюда чрезвычайная энергоэффективность.
Практические образцы уже существуют: крупные производители и исследовательские центры выпустили специализированные нейроморфные чипы с сотнями тысяч и миллионами аппаратных нейронов. Наиболее эффективны такие системы там, где нужно непрерывно обрабатывать потоки сенсорных данных при жёстком бюджете энергии: распознавание речи, компьютерное зрение, обработка сигналов с датчиков, робототехника, автономные устройства и носимая электроника.
При этом у направления есть чётко очерченный недостаток: нейроморфные машины плохо подходят для классических точных задач — бухгалтерских расчётов, работы с таблицами, компиляции программ, любых сценариев, где нужен детерминированный пошаговый результат. Поэтому они рассматриваются не как замена традиционным процессорам, а как их дополнение — сопроцессор для «мозгоподобных» задач.
Последнее направление — пожалуй, самое необычное на первый взгляд: заменить электрический ток светом. Вместо электронов, движущихся по металлическим проводникам, носителями информации становятся фотоны, а логические операции выполняются за счёт взаимодействия световых лучей — интерференции, изменения фазы, поляризации и амплитуды.
Физика даёт фотонам несколько серьёзных преимуществ перед электронами. Свет распространяется в среде с предельно возможной скоростью и практически не выделяет тепла при передаче — тогда как в электронных чипах именно тепловыделение проводников стало одним из главных ограничителей роста частот. Фотонные потоки не создают друг другу электромагнитных помех, поэтому лучи могут даже пересекаться в одном волноводе без взаимного влияния. Наконец, по одному волокну можно одновременно передавать десятки независимых потоков данных на разных длинах волн (условно — «цветах» света): это спектральное уплотнение даёт колоссальную пропускную способность, недостижимую для медных линий.
Полностью оптического компьютера общего назначения пока не существует: главная трудность в том, что фотоны, в отличие от электронов, слабо взаимодействуют друг с другом, и построить компактный оптический аналог транзистора с усилением и памятью очень сложно. Кроме того, каждое преобразование сигнала из оптики в электронику и обратно съедает энергию и время, обнуляя часть выигрыша.
Однако частями оптические технологии уже прочно вошли в вычислительную инфраструктуру. Весь магистральный интернет — это волоконно-оптические линии. Внутри современных дата-центров стойки и серверы соединяются оптическими каналами, а оптика подбирается всё ближе к самому процессору — вплоть до кремниевой фотоники, интегрированной на одну подложку с логикой. Появились и специализированные фотонные ускорители для искусственного интеллекта: матричные операции нейросетей хорошо ложатся на интерференционные схемы, где умножение и сложение происходят «бесплатно», самим фактом прохождения света через фотонную интегральную схему. Именно гибрид «электроника для управления + фотоника для передачи и линейной алгебры» выглядит наиболее реалистичным путём развития этого направления.
| Направление | Что заменяет | Главная идея | Стадия развития |
|---|---|---|---|
| Многозначная логика | Биты | Использовать 3, 4 и более устойчивых состояний вместо двух | Экспериментальные исследования; многоуровневые ячейки уже применяются во флеш-памяти |
| Квантовые компьютеры | Классическую логику для отдельных задач | Использовать суперпозицию, запутанность и интерференцию квантовых состояний | Активная разработка, существуют рабочие прототипы (эпоха NISQ) |
| Мемристоры | Память и часть логических схем | Совместить хранение данных и вычисления в одном энергонезависимом элементе | Прототипы, опытные образцы, коммерческая ReRAM |
| Нейроморфные вычисления | Архитектуру фон Неймана для ИИ-задач | Подражать импульсной работе биологических нейронных сетей | Выпущены специализированные чипы, исследования продолжаются |
| Оптические вычисления | Электронные соединения и часть вычислительных блоков | Использовать фотоны вместо электронов | Связь и фотонные ускорители уже применяются; полностью оптические компьютеры — на стадии исследований |
Если посмотреть на все пять направлений вместе, проступает общая картина. Классическая двоичная CMOS-архитектура вовсе не исчерпала себя — она по-прежнему дешевеет, совершенствуется и остаётся непревзойдённой для универсальных вычислений. Но каждый из описанных подходов атакует её слабые места с разных сторон: многозначная логика и мемристоры — плотность хранения, квантовые машины — экспоненциально сложные задачи, нейроморфные чипы — энергоэффективность ИИ, фотоника — скорость и пропускную способность соединений.
Ни одно из направлений пока не смогло заменить процессоры общего назначения, и, вероятно, не заменит их в обозримом будущем в одиночку. Гораздо более правдоподобный сценарий ближайших десятилетий — гибридные системы: традиционный процессор как дирижёр, рядом с которым работают квантовый ускоритель для криптографии и моделирования, нейроморфный чип для сенсорики и распознавания, фотонный сопроцессор для линейной алгебры и связи, а данные хранятся в плотной энергонезависимой памяти на мемристорах. История «Сетуни» напоминает: нестандартные архитектуры могут опережать своё время — и иногда время в конце концов их догоняет.
Комментарии и обсуждение — на интерактивной версии статьи.
Перейти к обсуждению →