باورهای غلطی درباره ی سخت افزار کامپیوتر وجود دارد که در ادامه به ۱۰ مورد از متداول ترین آن ها می پردازیم.
با توجه به سرعت سرسام آور پیشرفت فناوری، گاهی اوقات باورهای غلطی درباره ی ابزار موجود در آن شکل می گیرد و درک افراد مختلف از آن موضوع را تحت الشعاع قرار می دهد. در این مقاله قصد داریم ۱۰ مورد از باورهای غلط درباره ی سخت افزار کامپیوتر را که دسته ای از افراد آن را به اشتباه متوجه شده اند، زیر ذره بین قرار دهیم و انحراف آن ها را ارزیابی کنیم. این ۱۰ مورد باور غلط بیشترین وجه اشتراک را در بین سایر اطلاعات نادرست سخت افزاری دارند و بیشتر در میادین مبتدی حوزه ی فناوری دست به دست می شوند.
۱- مقایسه ی پردازنده های مختلف براساس تعداد هسته ها و سرعت کلاک آن ها انجام می شود
این باور غلط است.
اگر از مدت ها پیش در دنیای فناوری بوده اید، حتما تاکنون شنیده اید که بعضی افراد برای مقایسه بین دو پردازنده بگویند: «پردازنده ی A دارای ۴ هسته است و فرکانس آن ۴ گیگاهرتز است. درمقابل اما، پردازنده ی B دارای ۶ هسته است که فرکانس ۳ گیگاهرتزی ارائه می کنند. بنابراین، ۱۶ = ۴ × ۴ و از آنجاکه ۱۸ = ۳ × ۶، پس قطعا پردازنده ی B عملکرد بهتری دارد.» این گزاره یکی از پر ایرادترین گزاره ها در دنیای سخت افزار کامپیوتر به شمار می رود. برای مقایسه ی دو پردازنده، پارامترها و معیارهای بسیار زیادی وجود دارند که چنین قیاسی را از پایه مردود و خالی از اعتبار می کنند. بنابراین، به هیچ عنوان نمی توان دو پردازنده را با این روش با یکدیگر مقایسه کرد.
به فرض در مثالی که گفته شد اگر تمام پارامترهای دیگر برابر باشند، پردازنده ی ۶ هسته ای سریع تر از نمونه ی ۴ هسته ای خواهد بود. ازسویی دیگر، تحت شرایطی خاص، پردازنده ای با فرکانس ۴ گیگاهرتز قطعا از همان تراشه با فرکانس ۳ گیگاهرتز سریع تر خواهد بود. اما، فراموش نکنید با افزودن پارامترهای پیچیده ی تراشه های واقعی به میدان مقایسه، دستیابی به نتیجه و انجام قیاس معنی خود را از دست می دهد.
به عبارتی دیگر، مقایسه زمانی صحیح است که با ارزیابی ویژگی های داخلی پردازنده و درنظر گرفتن عوامل خارجی مثل نیاز کاربر، انجام شود
بعضی عملیات و فرایندهای پردازشی نیاز به فرکانس بالا دارند و در مواردی دیگر هسته های بیشتر بهره وری را افزایش خواهند داد. ازسویی دیگر، ممکن است پردازنده ای برای اجرای فرمان ها نیاز به انرژی زیادی داشته باشد و عملا عملکرد آن به صرفه نباشد. همچنین، ممکن است یک پردازنده دارای حافظه کش بیشتری باشد یا پایپ لاین انجام وظایف در آن، بهتر بهینه سازی شده باشد. فهرست معیارهای مؤثر بر مقایسه می تواند هم چنان ادامه پیدا کند و با درنظر گرفتن هرکدام نتایج گیج کننده تر شوند؛ بنابراین هرگز برپایه ی تعداد هسته و میزان فرکانس پردازنده ها را مقایسه نکنید.
۲- سرعت کلاک مهم ترین شاخص عملکرد پردازنده است
این باور غلط است.
گذشته از تعداد هسته ها و میزان فرکانس پردازنده، باید تأکید کنیم که سرعت کلاک پردازنده نیز به تنهایی همه چیز نیست. دو پردازنده در یک محدوده ی قیمتی متناسب با پردازش در یک فرکانس ممکن است همچنان تفاوت عملکردی نشان دهند.
قطعا سرعت هسته ها در میزان بهره وری اثرگذار است؛ اما، پس از رسیدن به میزانی خاص، سایر عوامل نقش مؤثر تری ایفا می کنند. پردازنده ها ممکن است مدت زمان زیادی را در انتظار پاسخگویی دیگر بخش های سیستم صرف کنند؛ بنابراین مقدار حافظه ی کش و معماری ساختار پردازنده نیز اهمیت بسیار زیادی خواهند داشت. این دو عامل می توانند میزان زمان انتظار را کاهش دهند و متعاقبا، سبب افزایش بهره وری عملکرد پردازنده شوند.
قطعا می توان مدعی شد که یک پردازنده با سرعت کم و معماری داخلی بهینه تر می تواند داده های بیشتری را نسبت به یک پردازنده ی سریع با معماری نه چندان بهینه، پردازش کند. همچنین، در طراحی های نوین پردازنده ها، اندازه ی میزان عملکرد به توان مصرفی (Performance per Watt) تبدیل به فاکتور اصلی برای تعیین میزان عملکرد آن ها شده است.
۳- پردازنده اصلی ترین عضو در تعیین میزان توانایی یک سیستم کامپیوتری است
این باور غلط است.
این موضوع درگذشته کاملا صحت داشت؛ اما با پیشرفت فناوری و پیچیدگی های بیشتر، هر روز اعتبارش کم تر می شود. هنوز برحسب عادت گذشته بسیاری از افراد به اشتباه وظایف زیادی را به CPU یا پردازنده نسبت می دهند؛ اما در واقعیت، پردازنده فقط بخشی از یک مجموعه بزرگ تر است که وظایف مختلفی را پوشش می دهد. امروزه اما، کامپیوترها متشکل از عناصر محاسباتی متفاوتی درکنار یکدیگر هستند که یک تراشه را تشکیل می دهند و به طور کلی آن را Hetrerogeneous Computing (محاسبات ناهمگن) می نامند. به عبارتی دیگر، این نام بر سیستم هایی که تعدادی عنصر محاسباتی را روی یک تراشه جای می دهند، دلالت دارد.
به طور کلی، تراشه های موجود روی اکثر کامپیوترهای رومیزی و لپ تاپ ها پردازنده هستند؛ اما تقریبا سایر دستگاه های الکترونیکی دارای تراشه های SoC یا به عبارتی دیگر سیستم روی تراشه هستند.
مادربرد در کامپیوترهای رومیزی فضای کافی برای قرارگیری انواع تراشه ها را دارد که هرکدام از آن تراشه ها عملکرد خاصی ارائه می کنند؛ اما این امکان در اکثر پلتفرم های دیگر وجود ندارد. از این رو، شرکت ها در تلاش هستند تا چند عملکرد و ویژگی را در یک تراشه گردآوری کنند تا بدین ترتیب عملکرد و مصرف انرژی بهینه تری داشته باشند.
بنابراین، تراشه های SoC که روی گوشی های هوشمند شاهد آن هستیم، علاوه بر پردازنده (CPU)، پردازنده ی گرافیکی (GPU)، موتور های انکد و دیکد مدیا (Media Encoder & Decoder)، اتصالات شبکه، مدیریت مصرف انرژی و بسیاری دیگر از قابلیت ها را در خود جای می دهد. درحالی که ممکن است افراد زیادی تراشه ی SoC را CPU اصلی بدانند؛ اما درواقع، CPU فقط یکی از اجزای تشکیل دهنده ی SoC است.
۴- فناوری و اندازه ی لیتوگرافی برای مقایسه تراشه ها کاربرد دارند
این باور غلط است.
اخیرا سروصدای زیادی برسر تأخیر در معرفی فناوری نود (Node) بعدی اینتل به راه افتاده است. وقتی تولیدکنندگانی مثل اینتل یا AMD محصول جدیدی طراحی می کنند، آن محصول براساس فناوری ساخت خاصی طراحی شده است. معیار متداولی که برای طراحی به عنوان شاخص استفاده می شود، اندازه ی ترانزیستورهای کوچک است که محصول نهایی را تشکیل می دهند.
اندازه گیری این قطعات با معیار نانومتر انجام می شود. برای مثال، چند مورد از اندازه های متداول ساخت عبارت اند از: ۱۴ نانومتری، ۱۰ نانومتری، ۷ نانومتری و ۵ نانومتری. این ادعا که باید بتوانیم دو ترانزیستور هم اندازه را در یک گره از لیتوگرافی ۷ نانومتری جای دهیم و این میزان برابر با فضای اشغالی توسط یک ترانزیستور در لیتوگرافی ۱۴ نانومتری است، به نظر درست می رسد؛ اما همیشه صحت آن مورد تأیید قرار نمی گیرد. باتوجه به موضوع زیادبودن سربار پردازشی (Overhead)، تعداد ترانزیستورها و قدرت پردازش عامل مناسبی برای مقایسه با فناوری ساخت و اندازه به شمار نمی روند.
موضوع بعدی که حتما باید به آن اشاره کرد این است که هیچ سیستم استانداردی برای اندازه گیری با روش گفته شده وجود ندارد. درگذشته تمامی شرکت های بزرگ روش اندازه گیری یکسانی به کار می گرفتند؛ اما امروزه تفاوت هایی در روش اندازه گیری به وجود آمده است و هرکدام به گونه ای متفاوت فرایند اندازه گیری را انجام می دهند. همه ی این نکات درکنار یکدیگر باعث می شود بدانیم که اندازه ی Node پردازشی یک تراشه نباید در میان معیارهای اصلی برای مقایسه ی پردازنده ها قرار گیرد. بدین ترتیب، تا زمانی که دو تراشه تقریبا در یک نسل قرار دارند، تراشه ی کوچک تر برتری قطعی نخواهد داشت.
۵- قیاس تعداد هسته های GPU روش مناسبی برای مقایسه ی عملکرد بین آن ها است
این باور غلط است.
بزرگ ترین تفاوت بین پردازنده ها (CPU) و پردازنده های گرافیکی (GPU)، تعداد هسته های آن ها است. پردازنده ها هسته های محدود و قدرتمندی دارند؛ درحالی که پردازنده های گرافیکی صدها یا هزاران هسته با قدرت کم تر را دردل خود جای داده اند. کاربرد تعداد هسته های بیشتر فقط در پیش برد فرایند های پردازشی چندگانه در موازات یکدیگر است.
همان طور که یک پردازنده ی چهار هسته ای از یک تولیدکننده با پردازنده ی چهار هسته ای تولیدشده توسط شرکت دیگر، تفاوت هایی دارد، پردازنده های گرافیکی نیز از این قاعده مستثنی نیستند. به عبارتی دیگر، هیچ راهی برای مقایسه بین تعداد هسته های پردازنده های گرافیکی تولیدی توسط تولیدکنندگان متفاوت، وجود ندارد.
هر تولیدکننده معماری ساخت متفاوتی دارد که باعث می شود قیاس بر این اساس را بیهوده و تهی از معنا کند
برای مثال ممکن است یک شرکت توان عملیاتی مدنظر خود را در تعداد هسته های کم اما قدرتمند تری توزیع کند؛ اما شرکت دیگر باتوجه به اولویت های طراحی، ترجیحش بر تعداد هسته ی بیشتر با عملکرد ضعیف تر باشد و تمرکز خود را بر افزایش توان اجرای فرمان های موازی معطوف کند. با این تفاسیر، مانند آنچه برای پردازنده ها گفته شد، مقایسه بین پردازنده های گرافیکی تولیدشده توسط یک شرکت که در یک نسل قرار می گیرند، کاملا امکان پذیر است.
۶- مقایسه ی فلاپس برای مقایسه ی عملکرد کاربرد دارد
این باور غلط است.
وقتی تراشه ی جدیدی با عملکرد فوق العاده یا یک ابررایانه ی جدید معرفی می شود، نخستین چیزی که در تبلیغات آن عنوان می شود، میزان خروجی فلاپس آن است. فلاپس (FLOPs) سرواژه از عبارت Floating Point Operations per Second است که معادل آن در فارسی «عملیات ممیز شناور در ثانیه» است و میزان دستورالعمل هایی که با یک سیستم اجرا می شوند را نشان می دهد.
این عدد درظاهر دقیق است؛ اما تولیدکنندگان می توانند با اعداد و ارقام بازی کنند تا نتیجه به گونه ای باشد که محصول آن ها سریع تر از آنچه هست، به نظر برسد. برای مثال، محاسبه ی ۱/۰ + ۱/۰ بسیار آسان تر از محاسبه ی ۸۷۶۵/۴۳۲۱ + ۱۲۳۴/۵۶۷۸ است. بنابراین، شرکت ها می توانند با انتخاب نوع محاسباتی که برای ارزیابی انجام می دهند، میزان فلاپس را به صورت غیرمستقیم دستکاری کنند تا ازنظر تجاری و بازاریابی موفق عمل کنند.
درنظر گرفتن فلاپس به تنهایی، فقط قدرت عملکرد محاسباتی پردازنده و پردازنده ی گرافیکی را به صورت خام و بدون وجود عوامل مؤثری همچون پهنای باند حافظه نشان می دهد. شرکت ها همچنین، قادر هستند بنچمارک هایی که انجام می دهند را براساس سلیقه ی خود بهینه سازی کنند تا نتایج موردنظر خود را آن ها بیرون بکشند.
۷- شرکت آرم تراشه می سازد
این باور غلط است.
تقریبا تمام سیستم های کم قدرت و سیستم های نهفته (Embedded) مجهز به بعضی پردازنده های ARM هستند. نکته ای که باید به آن توجه کرد این است که شرکت آرم درواقع تراشه ی فیزیکی نمی سازد. بلکه، این شرکت نقشه های اصلی نحوه ی عملکرد تراشه را طراحی می کند و به سایر شرکت ها اجازه ی تولید آن را می دهد.
برای مثال، تراشه ی A13 SoC که روی آیفون ۱۱ به کار رفته است از معماری آرم بهره می برد؛ اما توسط اپل ساخته می شود. این مسئله شبیه آن است که به یک نویسنده فهرستی از لغات و قوانین را بدهید تا با استفاده از آن ها متنی را بنویسد. نویسنده اجزای اصلی را در اختیار دارد و حال باید با پایبندی به قوانین و استفاده از لغات، آزادانه هرچه می خواهد بنویسد.
شرکت آرم با ثبت مالکیت معنوی طرح های خود، به شرکت های اپل، کوالکام، سامسونگ و سایر تولیدکنندگان اجازه می دهد که تراشه های مخصوص به خود را باتوجه به نیازشان بسازند. این موضوع باعث می شود بستر مناسب برای بهینه سازی تراشه ها فراهم شود. برای مثال، زمانی که تراشه برای یک تلویزیون هوشمند ساخته می شود، تمرکز آن روی قابلیت های انکودینگ و دیکودینگ (Encoding & Decoding) معطوف شود. ازسویی دیگر، اگر تراشه برای استفاده در موس بی سیم طراحی شده باشد، به گونه ای خواهد بود که مصرف انرژی در کم ترین حالت ممکن قرار بگیرد تا باتری موس زمان بیشتری را پشتیبانی کند.
تراشه ی آرم داخل موس نیازی به پردازنده ی گرافیکی یا پردازنده ی قدرتمندی ندارد. علاوه بر این، ازآنجاکه طراحی و نقشه های اصلی در تمام پردازنده های ساخته شده برپایه ی آرم یکسان است، همگی می توانند اپلیکیشن های یکسانی را پشتیبانی کنند. این مسئله منجر به سازگاری بالای آن ها و تسهیل کار توسعه دهندگان می شود.
۸- باورهای غلط در مقایسه ی ARM و x86
آرم و x86 هردو مجموعه های غالب برای تعریف دستورالعمل های پردازشی برای چگونگی عملکرد قطعات سخت افزاری کامپیوتر هستند. آرم در دنیای سیستم های نهفته و موبایل ها فرمانروایی می کند، درحالی که x86 مسلط بر دنیای لپ تاپ، کامپیوترهای رومیزی و سرورها است. معماری های دیگر نیز غیر از این دو در دنیای فناوری وجود دارند که بیشتر در برنامه های کوچک به کار می روند.
مجموعه دستورالعمل (Instruction Set Architecture) اشاره به چگونگی طراحی داخلی پردازنده دارد. این موضوع به ترجمه ی یک کتاب به زبان دیگر شباهت دارد. مترجم هدفش انتقال ایده ها و مفاهیم گفته شده در متن مبدأ است؛ اما ابزار انتقال مفاهیم بین افراد از یک زبان، به زبانی دیگر تغییر می کند. ازسویی دیگر، می توان یک اپلیکیشن را برنامه نویسی کرد و در زمان کامپایل کردن آن، با یک روش آن را برای راه اندازی روی پردازنده های x86 و با روش دیگر برای راه اندازی روی پردازنده های آرم آماده سازی کرد.
آرم تفاوت های کلیدی اساسی زیادی با x86 دارد که همین امر باعث شده است بر بازار تراشه های موبایل مسلط شود. مهم ترین تفاوت در انعطاف پذیری و محدوده ی وسیع فناوری تحت پوشش آرم است. مهندسان زمان ساخت پردازنده های مبتنی بر آرم، با فرایندی مشابه با ساخت خانه های لگویی مواجه هستند. آن ها می توانند هر قطعه ای را که قصد دارند ازطریق اپلیکیشن مورد استفاده قرار دهند، از بین اجزا انتخاب کنند تا پردازنده ی کامل و مورد نیاز خود را بسازند. برای مثال، اگر تراشه ای با تمرکز بر پردازش های ویدئویی لازم دارند، می توانند پردازنده ی گرافیکی قدرتمندتری به کار بگیرند. در مثالی دیگر اگر تراشه ای با تمرکز بیشتر بر امنیت و رمزنگاری می خواهند باید از شتاب دهنده های اختصاصی استفاده کنند، دقیقا مانند متصل کردن قطعه های لگو به یکدیگر که امکان ساخت هرچیزی را میسر می کند.
اصلی ترین دلیلی که معماری آرم سهم بزرگی از بازار را تصاحب کرده، شیوه ی ارائه ی خدماتش در بازار است. آرم به جای صرف زمان برای طراحی، ساخت و فروش تراشه های فیزیکی، فناوری ساخت خود را در اختیار شرکت های مختلف قرار می دهد و تولیدات آن شرکت را تحت لیسانس خود درمی آورد. این امر باعث می شود بازار بزرگ تری داشته باشد و افراد بیشتری از فناوری آن ها بهره مند شوند. اینتل و AMD ازسویی دیگر، در این بازار راکد ماندند و این موضوع سبب شده است که خلاء به وجود آمده تحت کنترل آرم قرار بگیرد.
اینتل بیشترین ارتباط را با x86 دارد، درحالی که این معماری را اینتل ساخته است و پردازنده های AMD نیز از آن استفاده می کنند. اگر x86-64 را درجایی دیدید، بدین معنا است که نسخه ی ۶۴ بیتی از x86 مورد استفاده قرار گرفته است. برای مثال، اگر از سیستم عامل ویندوز استفاده کرده باشید، احتمالا از دیدن پوشه های Program Files و (Program Files (x86 متعجب شده باشید. این غربالگری بدین معنا نیست که برنامه های موجود در پوشه ی اول از x86 استفاده نمی کنند، بلکه فقط نشان می دهد آن ها نسخه ی ۶۴ بیتی هستند و برنامه های پوشه ی دوم نسخه ی ۳۲ بیتی هستند.
یکی دیگر از بخش های تفاوت های بین آرم و x86 که ممکن است گیج کننده باشد، عملکرد نسبی آن ها است. عده ای از افراد معتقدند پردازنده های x86 سریع تر از آرم هستند، زیرا پردازنده های آرم در دستگاه های پیشرفته تر استفاده نمی شوند. با وجود اینکه شاید بتوان این ادعا را تا این لحظه درست تلقی کرد؛ اما این مقایسه منصفانه نیست و فاکتورهای لازم برای یک مقایسه ی قابل ارجاع و معتبر را ندارد. تمام فلسفه ی وجودی تراشه های آرم با تمرکز بر میزان کاربرد و کاهش مصرف انرژی معنا می شود. آن ها بازار فناوری های پیشرفته تر را در اختیار x86 گذاشته اند، زیرا می دانند که از پس رقابت در آن بازار بر نخواهند آمد. به بیانی دیگر، درحالی که اینتل و AMD تمرکزشان معطوف بر حداکثر میزان عملکرد است، پردازنده های آرم هدفش به حداکثر رساندن عملکرد بر وات است.
۹- پردازنده های گرافیکی (GPU) سریع تر از پردازنده ها (CPU) هستند
این باور غلط است.
در سال های گذشته عملکرد و توسعه ی پردازنده های گرافیکی، شاهد رشد عظیمی بوده است. بسیاری از بارهای عملیاتی که در گذشته روی دوش پردازنده بوده، اکنون به پردازنده های گرافیکی منتقل شده است تا از امکان رایانش موازی دو پردازنده بهره مند شویم. برای مثال، در پردازش هایی که از بخش های کوچک زیادی تشکیل شدند و امکان پردازش این بخش های کوچک به صورت هم زمان وجود دارد، پردازنده های گرافیکی سریع تر عمل می کنند؛ اما همیشه این شرایط برقرار نیست. بنابراین، نمی توان با اتکا بر پردازنده های گرافیکی و بدون حضور پردازنده ها، فرایندها را پیش برد.
برای بهره مندی کامل از CPU یا GPU، توسعه دهنده باید کدها را با کامپایلرهای مخصوص طراحی کند و رابط ها کاملا با پلتفرم بهینه سازی شود. هسته های پردازشی داخلی در پردازنده ی گرافیکی، که ممکن است تعدادشان به هزاران عدد برسد، نسبت به هسته های پردازنده بسیاری پایه ای و ساده به شمار می روند. این هسته ها برای انجام عملیات کوچک طراحی شدند؛ البته این عملیات مدام درحال تکرار است.
ازسویی دیگر، هسته های یک پردازنده برای اجرای عملیات بسیار وسیع و پیچیده طراحی شده اند. بنابراین، برای برنامه هایی که امکان رایانش موازی ندارند، CPU بسیار سریع تر خواهد بود. با استفاده از یک کامپایلر مناسب، امکان اجرای کدهای مخصوص پردازنده روی پردازنده ی گرافیکی یا بالعکس میسر می شود؛ اما بازدهی واقعی زمانی به دست خواهد آمد که برنامه فقط برای پلتفرم خاصی بهینه سازی شود. علاوه بر این، اگر فقط قرار باشد فاکتور قیمت را مدنظر قرار دهیم، گران ترین پردازنده ها می توانند تا ۵۰٬۰۰۰ دلار قیمت داشته باشند؛ اما بهترین پردازنده های گرافیکی کم تر از نصف این مبلغ قیمت دارند. به طور خلاصه، پردازنده ها و پردازنده های گرافیکی در حوزه ی فعالیت خود پیشرفت های چشمگیری داشته اند و در قیاس با یکدیگر هیچکدام از دیگری سریع تر عمل نمی کنند. درواقع، مقایسه ی این دو قطعه باتوجه به ماهیتی که دارند به هیچ عنوان منطقی نیست.
۱۰- پردازنده های جدیدتر همواره افزایش سرعت خواهند داشت
این باور غلط است.
قانون مور (Moore’s Law) یکی از مشهورترین مثال های صنعت فناوری است که به خوبی و به صورت موجز این صنعت را به تصویر می کشد. به طور خلاصه، این قانون که نزدیک به نیم قرن پیش ارائه شد، بیانگر آن است که تعداد ترانزیستورها در هر تراشه و هر ۲ سال، تقریبا دو برابر می شود. قانون مور دسته کم در ۴۰ سال گذشته قابل ارجاع بوده است؛ اما درحال حاضر، همان طور که پیش بینی شده بود دیگر روند افزایش دوبرابری تعداد ترانزیستورها در هر ۲ سال تکرار نمی شود.
اگر امکان افزایش تعداد ترانزیستورهای تراشه حذف شود، یکی از راه های ارائه شده افزایش اندازه ی آن ها است. بنابراین، رساندن نیروی کافی به تراشه و خروج گرمای تولید شده توسط آن، مشکلی است که باید آن را مرتفع کرد. تراشه های امروزی صدها آمپر جریان دریافت می کنند و صدها وات گرما تولید خواهند کرد.
سیستم های خنک کننده و انتقال نیرو همیشه فشار زیادی را تحمل می کنند تا به خوبی بازدهی خود را نشان دهند و نزدیک ترین حد نهایی محدودیت های انتقال نیرو و خنک کنندگی را حفظ کنند. بنابراین، این مسائل درکنار هم باعث می شود که امکان ساخت تراشه ی بزرگ امکان پذیر نباشد.
پرسشی که مطرح می شود این است که اگر نمی توانیم تراشه ی بزرگ تر بسازیم، آیا واقعا امکان کاهش اندازه ی ترانزیستورها برای افزایش تعدادشان روی تراشه و درنهایت افزایش قدرت عملکرد آن را نیز نداریم؟ پاسخ به این پرسش براساس قانون مور ساده است. اجرای این ایده در چند دهه ی گذشته توجیه پذیر بود؛ اما اکنون درحال نزدیک شدن به نقطه ی حساسی هستیم که نهایت کوچک شدن ترانزیستورها است و دیگر امکان کاهش اندازه ی ترانزیستورها در میان گزینه های روی میز نخواهد بود.
با فرایندهای جدید ۷ نانومتری و ۳ نانومتری آینده، ممکن است اثرهای کوانتومی مشکلات جدی را ایجاد کنند و باعث کارکرد نامناسب ترانزیستورها شوند. با اینکه هنوز فضای اندکی برای کاهش اندازه وجود دارد؛ اما بدون نوآوری واقعی، امکان کاهش اندازه ی درخور توجه وجود نخواهد داشت. با این تفاسیر که نه می توان تراشه ها را بزرگ تر کرد و نه می توان اندازه ی ترانزیستورها را کوچک تر کرد، آیا امکان افزایش سرعت ترانزیستورها نیز وجود ندارد؟ این گزینه درواقع یکی دیگر از عناصری بوده که در گذشته مثمر ثمر واقع شده است؛ اما احتمالا اکنون ماهیت کاربردی خود را ازدست داده باشد.
درحالی که سال ها سرعت پردازنده ها درهر نسل افزایش داشته؛ اما در دهه ی گذشته بازه ی سرعت بین میزان ۳ تا ۵ گیگاهرتز مانده است. علت این بن بست به چند عامل مختلف بستگی دارد. پرواضح است که افزایش سرعت، مصرف انرژی را بالا خواهد برد؛ اما مسئله ی اساسی باز هم محدودیت برای ترانزیستورهای کوچک تر و قوانین فیزیک است.
همان طور که ما همواره ترانزیستورهای کوچک تر می سازیم، باید اندازه ی سیم هایی که آن ها را به یکدیگر متصل می کند را نیز کوچک تر کنیم؛ بنابراین طبق قوانین حاکم بر آن، مقاومت افزایش خواهد یافت. پیش از این، در ساخت ترانزیستورها به منظور افزایش سرعت اجزای داخلی را به یکدیگر نزدیک می کردیم؛ اما اکنون برخی قطعات داخلی فقط به اندازه ی یک یا دو اتم از یکدیگر فاصله دارند. پس، واقعا راه آسانی برای کاهش این فاصله نیست.
با درنظر گرفتن تمام این دلایل، به طور قطع به یقین می توان گفت که دیگر شاهد بهبود عملکرد نسل به نسل پردازنده ها به شکل گذشته نخواهیم بود. اما، این پایان کار پیشرفت فناوری نیست و مطمئن باشید که افراد باهوشی درحال پیداکردن راه حلی برای این مسئله هستند و دیریازود این مشکل نیز مانند بسیاری دیگر از مشکلات گذشته، برطرف خواهد شد.
منبع: زومیت.