پرش به محتوای اصلی
پرش به محتوای مقاله

تراشه Vaire با بازیافت گرمای محاسباتی، مرز مصرف انرژی را جابه‌جا کرد

·۱۷ شهریور ۱۴۰۵۴ دقیقه مطالعه
بنیان‌گذاری که به تراشه‌ها آموزش می‌دهد انرژی خود را بازیافت کنند
بنیان‌گذاری که به تراشه‌ها آموزش می‌دهد انرژی خود را بازیافت کنند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تولید نخستین تراشه‌ای که انرژی بازیابی‌شده‌اش از انرژی مصرفی برای کارکردش بیشتر است؛ تبدیل تئوری ۵۰ ساله رایانش بازگشت‌پذیر به یک نمونه فیزیکی کارآمد.

تصور کنید لپ‌تاپ یا گوشی شما هرگز داغ نشود و باتری‌اش چندین برابر بیشتر دوام بیاورد. این رویای قدیمی اکنون با بازیافت گرمای تولید شده در قلب تراشه‌ها در حال تبدیل شدن به واقعیت است.

بیشتر تراشه‌های امروزی مقدار عظیمی از انرژی را به صورت گرما هدر می‌دهند. استارتاپ Vaire Computing به رهبری هانا ارلی (Hannah Earley)، در حال توسعه سخت‌افزاری بر پایه رایانش بازگشت‌پذیر (Reversible Computing) است. این فناوری — شبیه به ماشینی که می‌تواند مسیر خود را دقیقاً به عقب برگرداند و سوخت مصرف‌شده را پس بگیرد — اجازه می‌دهد انرژی‌ای که معمولاً در حین محاسبات تلف می‌شود، بازیافت شود. در این راستا، برخی دیگر از پیشگامان صنعت نیز از روش‌های متفاوتی بهره می‌برند؛ برای مثال استارتاپ Discovered Materials با استفاده از عامل‌های هوش مصنوعی تلاش می‌کند تا با شناسایی مواد جدید، مشکل گرمای تراشه‌ها را حل کند.

در تراشه‌های مدرن، اطلاعات غیرضروری در هر مرحله پاک می‌شوند و این فرآیند باعث آزاد شدن گرما می‌شود. این وضعیت شبیه به رانندگی سریع در شهر است که در هر تقاطع ترمز شدیدی می‌زنید؛ ماشین تمام تکانه (Momentum) خود را از دست می‌دهد و برای شتاب گرفتن دوباره، سوخت بیشتری می‌سوزاند. اما رایانش بازگشت‌پذیر با حفظ داده‌های میانی، این تکانه را حفظ کرده و اجازه می‌دهد محاسبات به عقب برگردند و انرژی بازیابی شود.

بنیان‌گذاری که به تراشه‌ها یاد می‌دهد انرژی خود را بازیافت کنند

مسیر رسیدن به بازگشت‌پذیری

سفر ارلی در دنیای سخت‌افزار از ۹ سالگی و کدنویسی وب آغاز شد و تا تسلط بر زبان‌هایی مثل Perl و Java و در نهایت رسیدن به سطح ترانزیستورها ادامه یافت. او در دوران دکترا در دانشگاه کمبریج و تحت نظر گاس میکلم (Gos Micklem)، ابتدا روی استفاده از DNA برای محاسبات تحقیق کرد. اما مطالعه پایان‌نامه سال ۱۹۹۹ مایکل فرانک (Michael Frank) مسیر او را تغییر داد و او را به سمت بررسی محدودیت‌های فیزیکی محاسبات و خلق نرم‌افزارهایی سوق داد که برنامه‌های معمولی را به نسخه‌های بازگشت‌پذیر تبدیل می‌کنند.

اگرچه تئوری رایانش بازگشت‌پذیر بیش از ۵۰ سال قدمت دارد، اما برای ترانزیستورهای فعلی غیرعملی بود. ارلی که دکتری خود را در سال ۲۰۲۱ به پایان رساند، سخت‌افزار را از پایه بازطراحی کرد. او یک رزوناتور (Resonator) با حق ثبت اختراع طراحی کرد که مانند یک «پاندول پیشرفته» عمل کرده و انرژی بازیابی‌شده را برای استفاده‌های بعدی ذخیره می‌کند.

به نقل از گزارش MIT Technology Review منتشر شده در ۸ سپتامبر ۲۰۲۶، شرکت Vaire سال گذشته به نقطه عطفی حیاتی رسید. این شرکت تراشه‌ای تولید کرد که رزوناتور آن، حتی پس از کسر انرژی مورد نیاز برای کارکرد خودِ قطعه، مقدار انرژی بیشتری را بازیابی کرد تا آنچه از دست داده بود.

همان‌طور که در تحلیل‌های پیشین ما درباره محدودیت‌های فیزیکی سخت‌افزار اشاره کردیم، رسیدن به بهره‌وری ۱۰۰ درصدی در معماری‌های فعلی غیرممکن است و نیاز به تغییر پارادایم دارد.

دستاوردهای فنی و سرمایه‌گذاری

بر اساس مستندات شرکت، جزئیات رشد Vaire به شرح زیر است:

  • سرمایه‌گذاری: جذب بیش از ۱۲ میلیون دلار از زمان تأسیس در سال ۲۰۲۱ توسط ارلی و رودولفو روزینی (Rodolfo Rosini).
  • تیم تخصصی: استخدام مایکل فرانک به عنوان دانشمند ارشد برای تبدیل تئوری‌های ریاضی به سخت‌افزار فیزیکی.
  • اثبات مفهوم: موفقیت رزوناتور، «نشانه حیات» برای حوزه‌ای بود که تا پیش از این عمدتاً در تئوری‌ها باقی مانده بود.
  • توسعه سخت: مدارات اصلی در زمستان ۲۰۲۲ در ایالت آیووا و در دمای منجمد ۴۰- درجه فارنهایت در یک آپارتمان زیرزمینی بهینه‌سازی شدند.

ایگور مارکوف (Igor Markov)، استاد سابق دانشگاه میشیگان، معتقد است اگرچه نتایج جذاب هستند، اما فناوری هنوز در مراحل اولیه است. او تأکید می‌کند که شرکت برای جلب حمایت صنعت و تجاری‌سازی کامل، به مجموعه‌ای از نمایش‌های متقاعدکننده‌تر و واقع‌گرایانه‌تر نیاز دارد.

این تغییر، نگاه ما به محدودیت‌های فیزیکی محاسبات را دگرگون می‌کند. Vaire به جای تلاش برای بهینه‌سازی جزئی تراشه‌های فعلی، در حال بازسازی کل پشته (Stack) سخت‌افزاری است تا گرمای تلف‌شده را در منبع حذف کند.

برای کاربر عادی، این فناوری در نهایت به معنای لپ‌تاپ‌ها و گوشی‌هایی است که بسیار خنک‌تر کار می‌کنند و باتری‌هایشان عمر بیشتری دارد. در بخش سازمانی، این دستاورد می‌تواند صورت‌حساب‌های عظیم برق و نیاز به سیستم‌های سرمایشی غول‌پیکر در مرکز داده (Data Center) — که شبیه به یخچال‌های صنعتی برای خنک نگه داشتن هزاران پردازنده است — را به شدت کاهش دهد. این فشار بر زیرساخت‌های انرژی چنان گسترده است که قراردادهای مالی تأمین برق در ایالات متحده را برای مراکز پردازشی بازنویسی کرده است.

با این حال، مسیر رسیدن به بازار دشوار است. Vaire باید راهی برای ادغام این تراشه‌های متفاوت در سیستم‌های تولید انبوه و معماری‌های رایج دستگاه‌ها پیدا کند.

هدف ارلی تنها ساخت یک قطعه نیست، بلکه بازاندیشی کلی در نحوه ساخت کامپیوترهاست. او باور دارد پیوند میان اطلاعات، انرژی و گرما، کلید عصر بعدی رایانش است. او می‌گوید: «می‌خواهم هر بخش از نحوه ساخت کامپیوترها را به چالش بکشم و آن‌ها را با این دیدگاه بازتعریف کنم».

گام بعدی شما

  • دنبال کردن گزارش‌های بعدی Vaire برای مشاهده مقیاس‌پذیری رزوناتورها در یک پردازنده کامل.
  • مطالعه مقالات مایکل فرانک درباره مبانی ریاضی رایانش بازگشت‌پذیر برای درک عمیق‌تر این معماری.
  • رصد کردن تحولات در حوزه مواد نیمه‌هادی که ممکن است ادغام این تراشه‌ها با استانداردهای فعلی را تسهیل کند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و مدیریت گرمای آن‌ها مراجعه کنید. در کنار این تلاش‌ها، راهکارهای انرژی جایگزین نیز در حال ظهور هستند، مانند استفاده از ذخیره‌سازهای نمک مذاب TerraPower برای مهار نوسانات برق در مراکز داده AI.

چرا این موضوع مهم است؟

این فناوری با تکیه بر تخصص در فیزیک محاسبات، می‌تواند هزینه‌های عملیاتی مراکز داده را که به دلیل گرمای شدید در بحران انرژی هستند، به شدت کاهش دهد. اعتبار این ادعا با موفقیت در رزوناتورهای اولیه به تأیید رسیده است.

تأثیر برای ایران

این خبر در حال حاضر اثر مستقیمی بر کاربران ایرانی ندارد و بیشتر برای پژوهشگران معماری کامپیوتر و سخت‌افزار اهمیت دارد.

·نگاه ما
تحریریه دات‌هوش

تمرکز Vaire بر حذف گرما در منبع، به جای مدیریت آن با فن و خنک‌کننده، یک چرخش بنیادین در مهندسی سخت‌افزار است. اگر این فناوری مقیاس‌پذیر شود، مفهوم «سقف حرارتی» که سال‌هاست سرعت کلاک پردازنده‌ها را محدود کرده، از بین می‌رود. این یعنی ما به جای جنگ با قوانین ترمودینامیک، آن‌ها را به نفع خود به کار می‌گیریم.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.