پنجاه سال پیش شخصي به نام گوردون مور مقاله‌ای بسیار مهم و تاریخی با این عنوان چاپ کرد: Cramming More Components onto Integrated Circuits. این مقاله در واقع توضیحات اولیه‌ی «مور» در مورد اصلی بود که بعدها با کمی تجدید نظر در آن، به یک قانون تبدیل شد: «هر دوسال یک بار تعداد ترانزیستورهای روی یک تراشه‌ی کامپیوتر دو برابر می‌شود.
همانطور که همه‌ی مردم حتی افرادی که اطلاعاتی معمولی از علم کامپیوتر دارند می‌دانند، عصر اطلاعات مدیون وجود قانون مور است. جان پاولوس در مقاله‌ی خود تحت عنوان The Search for a New Machine می‌نویسد: «کامپیوترها با کمک مدارهای مجتمع یا یکپارچه (integrated circuits) کار می‌کنند اما این قانون مور است که سبب پیشرفت و تکامل آنها می‌شود.» بشر همواره سعی در پیش‌بینی حد نهایی قانون مور داشته است و مهندسان به روش‌هایی برای ادامه‌ی روند رشد در زمینه‌ی فناوری‌های کامپیوتری دست یافته‌اند. اما به نظر می‌رسد که آنها به زودی با مشکلات غیر قابل حلی در این روند مواجه خواهند شد.» پاولوس می‌نویسد: «از سال 2000 مهندسان این حیطه با مشکلاتی روبه‌رو شده‌اند و راه‌های هوشمندانه‌ای برای حل این مشکلات بدست آورده‌اند. اما حقیقت این است که سیلیکون تنها یک دهه‌ی دیگر در این تکنولوژی قابل استفاده خواهد بود.»

با توجه به این محدودیت زمانی، تولیدکنندگان تراشه سرمایه‌گذاری میلیاردی برای مطالعه و تولید تکنولوژی‌های جدید کامپیوتری کرده‌اند. پاولوس در مقاله‌ی خود ما را با این فضای تحقیقاتی آشنا می‌کند. البته دانستن اینکه کدام تکنولوژی می‌تواند جایگزین سیلیکون شود غیرممکن است، حتی احتمال می‌رود ترکیبی از تکنولوژی‌های مختلف و نه یک تکنولوژی تنها این کار را خواهد کرد. اما بد نیست نگاهی مختصر به تکنولوژی‌هایی که ممکن است بر سیلیکون غالب شوند بیندازیم.

گرافن (Graphene)
کنار گذاشتن سیلیکون به طور کامل توسط تولیدکنندگان تراشه‌های کامپیوتری حرکتی بزرگ خواهد بود. این اتفاق در آینده‌ی نزدیک رخ نخواهد داد اما سال گذشته کمپانی IBM (International Business Machines Corporation) اعلام کرد که در حال صرف سه میلیارد دلار جهت یافتن جایگزینی برای سیلیکون است. محتمل‌ترین گزینه بعنوان جایگزین، گرافن است؛ صفحاتی تک اتمی از جنس کربن. پاولوس در مورد آن می‌نویسد: «گرافن همانند سیلیکون خواص الکترونیکی مفیدی دارد که این خواص تحت شرایط مختلف دمایی پایدار هستند. ترانزیستورهای گرافنی ساخته شده توان کار کردن با سرعتی صدها یا حتی هزارها برابر بهترین دستگاه‌های سیلیکونی را دارند.» مشکل بزرگ گرافن نداشتن شکاف انرژی بین لایه‌ی ظرفیت و لایه‌ی رسانش است، چرا که این شکاف انرژی باعث می‌شود بتوانیم ترانزیستور را از حالت روشن (on) به خاموش (off) تغییر دهیم.

 نانولوله‌های کربن (CNT)
اگر یک ورق تک اتمی از جنس کربن را به صورت یک استوانه دربیاوریم، شرایط بهتر می‌شود. نانولوله‌های کربنیِ حاصل شکاف انرژی بدست می‌آورند که منجر به ایجاد خواص نیمه‌رسانایی در آنها می‌شود. اما پاولوس متوجه شد که محققان در مورد این ماده تردیدهایی دارند. وی می‌نویسد: «نانولوله‌های کربن ساختاری بسیار حساس دارند. اگر قطر یا کایرالیتی (زاویه‌ای که کربن‌ها طبق آن پیچیده شده‌اند) نانولوله به میزان کوچکی تغییر کند، ممکن است شکاف انرژی آن ناپدید شود و در نتیجه دیگر بعنوان یک عنصر در مدار دیجیتال قابل استفاده نباشد. مهندسان همچنین باید بتوانند با استفاده از تکنولوژی‌های مورد استفاده در تراشه‌های سیلیکونی، میلیاردها نانولوله‌ی کربن را به صورت ردیف‌های مرتب با فاصله‌ی چند نانومتری در کنار هم قرار دهند»

ممریستورها (Memristors)
کمپانی HP (Hewlett-Packard) درحال ساخت تراشه‌هایی با ماده‌ای کاملاً جدید به نام ممریستور است. ساخت این ماده در سال 1971 پیش‌بینی شده بود اما درنهایت در سال 2008 ساخته شد. نام این ماده درواقع ترکیبی از دو کلمه‌ی حافظه (memory) و مقاومت (resistor) است. خاصیت عجیب این ماده آن است که می‌تواند میزان جریان عبوری از خود را به خاطر بسپارد. طبق توضیحات پاولوس ممریستورها امکان ترکیبِ ذخیره‌سازی و حافظه با دسترسی تصادفی را ایجاد می‌کنند. در صورت استفاده از ممریستورها به جای ترانزیستورها، تشبیه CPU به «مغز» کامپیوتر واقعی‌تر خواهد بود چرا که ممریستورها بیشتر شبیه به نورون‌ها عمل می‌کنند و اطلاعات را منتقل، کدگزاری و ذخیره‌سازی می‌کنند.

کامپیوترهای ادراکی (Cognitive Computers)
برای ساختن تراشه‌هایی حداقل به اندازه‌ی مگس هوشمند، محققان در گروه محاسبات ادراکی شرکت IBM در حال بررسی پردازنده‌هایی هستند که طبق توضیحات پاولوس از ستون‌های کورتیکال مغز پستانداران که پردازش، انتقال و ذخیره‌سازی اطلاعات با ساختار یکسان را بدون هیچ وقفه‌ای انجام می‌دهند الگوبرداری می‌کنند. نتیجه‌ی تلاش‌های این کمپانی تراشه‌ای تحت عنوان TrueNorth است که در آن تعداد 5 میلیارد ترانزیستور مانند یک میلیون نورون که با 256 میلیون اتصال سیناپسی با هم در ارتباط هستند عمل می‌کنند. این ساختار می‌تواند با صرف انرژی بسیار کم در حد انرژی لازم برای یک نشانگر لیزری معمولی کار کند و مصرف انرژی بسیار پایینی دارد.

منبع:

Computing after Moore's law

منابع مفيد:

Moore's Law
Moore's Law-WIKI

کامپيوترهاي کوانتمي

محاسبات کوانتمي