查看原文
其他

专访超算专家Estela Suarez:后“摩尔定律”时代的选择——量子和神经形态计算

光子盒研究院 光子盒 2023-04-26

光子盒研究院出品



无论是自动语音识别、自动驾驶汽车还是医学研究。我们对计算能力的需求都在不断增加。然而,提高微芯片性能的可能性很快就会达到其极限。那么,我们该何去何从?

自从英特尔的创始人戈登·摩尔提出“摩尔定律”,预测在可预见的未来,我们的数字设备的容量将每两年翻一番以来,已经过去了50多年。这是因为每两年就有可能将硅微芯片上的晶体管数量增加一倍。这意味着在同样的空间里,计算能力是原来的两倍,而成本只增加了很少。在接下来的几十年里,科技公司确实设法定期将硅芯片的计算能力提高一倍,推动了技术的快速发展。但这种情况会继续下去吗?

Estela Suare,于利希研究中心(德国)高级计算机科学家

超级计算专家Estela Suarez解释了为什么摩尔定律不会永远有效,尽管发展将继续迅速。以及为什么这对医学、交通和气候预测方面的进步很重要。

访谈全文:

Eva-Maria Verfürth:自1965年以来,根据所谓的“摩尔定律”,技术进步一直是一个肯定的常量。但现在我们听说,该原则将达到其极限。这是为什么呢?

Suarez:物理限制是问题所在。不可能使芯片中的结构(如电路),无限地缩小。在某一时刻,我们将达到一个原子的大小。而这,将是最终的成果。

Eva-Maria Verfürth:那么,微芯片优化的结束是否也意味着性能提高的结束?

Suarez:微型化的结束意味着我们将少了一种提高性能的方法。因此,我们将不得不使用其他策略。还有其他的优化方法可以给我们带来更高的计算能力,而且与微芯片上的结构尺寸没有直接关系。

例如,很多应用都有一个问题,就是将数据从存储器快速送到处理器。他们在继续处理之前不断等待数据。正在开发新的存储器技术来解决这个问题。它们提供了更多的带宽,从而可以更快速地访问数据。这增加了计算能力,因为在相同的时间内可以进行更多的操作。但是,即使这种策略最终也会在某个时候达到极限。这就是为什么研究人员和技术公司一直在寻找全新的方法,以使未来的计算机更加强大。

Eva-Maria Verfürth:为什么计算能力的进一步提高很重要?你能举例说明只有计算能力继续提高才能开发和部署的应用或技术吗?

Suarez:在科学领域,我们希望使用计算机来分析日益复杂的现象,以便我们能够得出正确的结论。这些现象必须以越来越高的精度进行模拟,这增加了我们对更高计算能力的需求。

天气和气候模型就是一个例子。他们从各种不同的来源获得数据,并考虑到许多相互关联的方面:从大气的化学和海洋动力学到地理和地球表面不同区域的植被。所有这些,甚至更多不同但相互关联的方面都需要被模拟,以准确预测气候条件随时间的变化。今天,即使在最强大的计算机上,这些计算也需要几周到几个月的计算时间。

具体而言,这意味着更高的计算能力将使预测更加准确,这反过来将有助于防止天气灾难,并采取更有针对性的措施来缓解气候变化。

Eva-Maria Verfürth:这适用于哪些其他领域?

Suarez:在其他研究和工业领域也有类似情况,比如医学。今天的计算机还不能创建整个人类大脑的模拟,尽管这可以决定性地提高我们对神经系统疾病的理解。药物开发也需要高计算能力来更快地确定活性成分的正确组成。超级计算机也被用来确定制造更环保的产品所需的新材料。语言模型的开发也需要越来越强大的计算性能。这些已经被用于我们日常生活中的许多地方,如手机、汽车和智能电视。

Eva-Maria Verfürth:在于利希研究中心,您正在研究量子技术,这将为某些过程提供更高的计算速度。它可能会带来什么可能性?

Suarez:这种方法正在全世界范围内大力推行,而不仅仅是在研究机构。像谷歌这样的大型IT公司是我们的合作伙伴,他们也在研究这个问题。

量子计算机可以比标准计算机更快地解决某些问题,因为它们以一种完全不同的方式进行计算。它们利用量子物理学的特性,允许更紧凑的数据存储和更快地执行某些操作。量子计算机不一定在每个应用中都比“标准”数字计算机好。但它们的效率非常高,特别是对于优化问题,如寻找多维参数阵列中的最小值。导航是这类问题的一个实际例子:当你在GPS系统中输入一个目的地时,设备中的计算机会考虑到距离、速度限制、当前交通状况和其他因素,计算出最佳路线。这是一个典型的优化问题,在量子计算机上的运行速度比在普通计算机上快得多。

想象一下,在未来,数百万辆处于自动驾驶模式的汽车必须以协调的方式在德国的道路上行驶,以尽可能快地将每个乘客送到目的地。这将需要巨大的计算能力,这可能只有量子计算机才可行。

Eva-Maria Verfürth:迄今为止,没有一台量子计算机在研究之外被使用。我们离量子技术真正成为可用的技术还有多远?

Suarez:今天的量子技术与1940年代的普通计算机处于同一水平。有一些原型系统已经显示出非常有希望的结果,但我们仍然在为不可靠和计算错误而挣扎。

例如,软件环境也仍然处于起步阶段;许多我们习惯于为普通计算机提供的实用工具,如高度优化的编译器软件、定制的库和调试器,还不能用于量子计算机;算法开发也有很长的路要走。

Eva-Maria Verfürth:还有哪些方法或想法可以使数据处理量增加,它们的发展程度如何?

Suarez:神经形态计算是另一项创新技术:这是建立一个模仿大脑工作方式的计算机的概念。我们的大脑完成数学运算的速度并不快,但由于神经元之间的大规模联网,它在学习和识别各种观察结果之间的联系方面效率极高。我们的大脑在执行模式识别或语言学习等任务时需要的能量比传统计算机少得多。神经形态计算机正试图实现这类能力并将其应用于数据处理。

Eva-Maria Verfürth:目前的预测是什么?专家们认为技术在未来几年和几十年会有多快的发展?他们的预测是基于什么假设?

Suarez:目前的趋势是走向多样化。我们假设进步将不会被驱动,也不可能孤立地使用单一的技术方案来实现。

例如,这是我们多年来在超级计算机的发展中看到的一个趋势:超级计算机越来越多地将不同的计算和存储技术结合起来,以达到最大的性能和最高的效率。各个组件的技术发展是非常动态的,全新的方法正在出现。因此,该领域研究的一个目标是有效地将各个组件互联起来。

在于利希超级计算中心,我们正在开发一个模块化的超级计算架构,在这个架构中,我们正致力于将不同的方法作为模块汇集到超级计算机中;我们还在努力将传统计算机与量子计算机结合起来。

参考链接:
https://thequantuminsider.com/2022/10/26/the-future-of-digitalisation-quantum-and-neuromorphic-computing/


相关阅读:
诺奖得主Serge Haroche:不应夸大量子计算,警惕泡沫和炒作
量子计算+神经网络,科学家实现超分辨率成像相机
超算能耗=一座城市!或许你需要一台量子计算机
打破谷歌的量子霸权,中国超算团队荣获2021年度戈登·贝尔奖
清华大学实现超越经典超算模拟能力的大规模量子模拟

#光子盒视频号开通啦!你要的,这里全都有#

每周一到周五,我们都将与光子盒的新老朋友相聚在微信视频号,不见不散!
你可能会错过:

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存