Биологические компьютеры могли бы потреблять гораздо меньше энергии, чем современные технологии, работая медленнее

Биология человека намного более энергоэффективна, чем современные вычисления.

Современные компьютеры - это триумф технологий. Один компьютерный чип содержит миллиарды нанометровых транзисторов, которые работают чрезвычайно надежно со скоростью в миллионы операций в секунду.

Тем не менее, такая высокая скорость и надежность достигается за счет значительного потребления энергии: центры обработки данных и бытовые ИТ-устройства, такие как компьютеры и смартфоны, составляют около 3% мирового спроса на электроэнергию, а использование искусственного интеллекта, вероятно, приведет к еще большему потреблению.

Но что, если бы мы могли изменить принцип работы компьютеров так, чтобы они могли выполнять вычислительные задачи так же быстро, как сегодня, потребляя при этом гораздо меньше энергии? Здесь природа может предложить нам некоторые потенциальные решения.

В 1961 году ученый IBM Рольф Ландауэр обратился к вопросу о том, нужно ли тратить столько энергии на вычислительные задачи. Он придумал предел Ландауэра, который гласит, что одна вычислительная задача — например, установка бита, наименьшей единицы компьютерной информации, чтобы иметь значение ноль или единицу — должна затрачивать около 10⁻²¹ джоулей (Дж) энергии.

Связанный: История компьютеров: краткая временная шкала

Это очень маленькая сумма, несмотря на многие миллиарды задач, которые выполняют компьютеры. Если бы мы могли работать с компьютерами на таких уровнях, количество электроэнергии, используемой для вычислений и управления отходящим теплом с помощью систем охлаждения, не вызывало бы беспокойства.

Однако есть одна загвоздка. Чтобы выполнить битовую операцию вблизи предела Ландауэра, ее нужно проводить бесконечно медленно. Прогнозируется, что вычисления в любой конечный период времени будут стоить дополнительной суммы, пропорциональной скорости, с которой выполняются вычисления. Другими словами, чем быстрее вычисления, тем больше энергии используется.

Совсем недавно это было продемонстрировано в экспериментах по моделированию вычислительных процессов: рассеивание энергии начинает заметно увеличиваться, когда вы выполняете более одной операции в секунду. Процессоры, работающие с тактовой частотой в миллиард циклов в секунду, что характерно для современных полупроводников, потребляют около 10⁻¹¹ на бит — примерно в десять миллиардов раз больше предела Ландауэра.

Решение может заключаться в том, чтобы проектировать компьютеры принципиально иным образом. Причина, по которой традиционные компьютеры работают с очень высокой скоростью, заключается в том, что они работают последовательно, по одной операции за раз. Если бы вместо этого можно было использовать очень большое количество «компьютеров», работающих параллельно, то каждый из них мог бы работать намного медленнее.

Например, можно заменить «заячий» процессор, выполняющий миллиард операций в одну секунду, на миллиард «черепашьих» процессоров, каждому из которых требуется целая секунда для выполнения своей задачи, при гораздо меньших затратах энергии на операцию. Статья 2023 года, соавтором которой я являюсь, показала, что компьютер может работать вблизи предела Ландауэра, потребляя на порядки меньше энергии, чем сегодняшние компьютеры.

Сила черепахи

Возможно ли вообще иметь миллиарды независимых «компьютеров», работающих параллельно? Параллельная обработка в меньшем масштабе широко используется уже сегодня, например, когда около 10 000 графических процессоров или графических процессоров работают одновременно для обучения моделей искусственного интеллекта.

Однако делается это не для снижения скорости и повышения энергоэффективности, а скорее по необходимости. Ограничения управления теплом делают невозможным дальнейшее увеличение вычислительной мощности одного процессора, поэтому процессоры используются параллельно.

Альтернативная вычислительная система, которая гораздо ближе к тому, что требуется для приближения к пределу Ландауэра, известна как сетевые биовычисления. Он использует биологические моторные белки, которые представляют собой крошечные машины, помогающие выполнять механические задачи внутри клеток.

Эта система включает в себя кодирование вычислительной задачи в наноизготовленный лабиринт каналов с тщательно спроектированными пересечениями, которые обычно состоят из полимерных узоров, нанесенных на кремниевые пластины. Все возможные пути через лабиринт исследуются параллельно очень большим количеством длинных нитевидных молекул, называемых биофиламентами, которые питаются от моторных белков.

Каждая нить имеет всего несколько нанометров в диаметре и около микрометра в длину (1000 нанометров). Каждый из них выступает в роли отдельного «компьютера», кодируя информацию своим пространственным положением в лабиринте.

Эта архитектура особенно подходит для решения так называемых комбинаторных задач. Это проблемы со многими возможными решениями, такими как планирование задач, которые требуют больших вычислительных ресурсов для последовательных компьютеров. Эксперименты подтверждают, что такой биокомпьютер требует в 1000-10000 раз меньше энергии на вычисления, чем электронный процессор.

Это возможно потому, что биологические моторные белки сами по себе эволюционировали таким образом, чтобы использовать не больше энергии, чем необходимо для выполнения своей задачи с требуемой скоростью. Обычно это несколько сотен шагов в секунду, в миллион раз медленнее, чем у транзисторов.

В настоящее время исследователи построили только небольшие биологические компьютеры, чтобы доказать эту концепцию. Чтобы быть конкурентоспособными с электронными компьютерами с точки зрения скорости и вычислений и параллельно исследовать очень большое количество возможных решений, сетевые биовычисления должны быть масштабированы.

Детальный анализ показывает, что это должно быть возможно с помощью современных полупроводниковых технологий, и может извлечь выгоду из еще одного большого преимущества биомолекул перед электронами, а именно их способности переносить индивидуальную информацию, например, в форме метки ДНК.

Тем не менее, существует множество препятствий для масштабирования этих машин, в том числе для изучения того, как точно управлять каждой из биофиламентов, снижать частоту ошибок и интегрировать их с современными технологиями. Если такого рода проблемы удастся преодолеть в ближайшие несколько лет, то получившиеся процессоры смогут решить определенные типы сложных вычислительных задач со значительно меньшими затратами энергии.

Нейроморфные вычисления

Кроме того, это интересное упражнение для сравнения использования энергии в человеческом мозге. Мозг часто называют очень энергоэффективным, использующим всего несколько ватт — гораздо меньше, чем модели искусственного интеллекта — для таких операций, как дыхание или мышление.

Тем не менее, похоже, что не основные физические элементы мозга экономят энергию. Возбуждение синапса, которое можно сравнить с одним вычислительным шагом, на самом деле потребляет примерно столько же энергии, сколько требуется транзистору на бит.

Однако архитектура мозга очень сильно взаимосвязана и работает принципиально иначе, чем как электронные процессоры, так и сетевые биокомпьютеры. Так называемые нейроморфные вычисления пытаются имитировать этот аспект работы мозга, но с использованием новых типов компьютерного оборудования, а не биокомпьютеров.

Было бы очень интересно сравнить нейроморфные архитектуры с пределом Ландауэра, чтобы увидеть, можно ли перенести те же самые идеи биокомпьютинга сюда в будущем. Если это так, то он также может стать ключом к огромному скачку вперед в области энергоэффективности компьютеров в ближайшие годы.

Эта отредактированная статья перепечатана из The Conversation под лицензией Creative Commons. Читайте оригинал статьи.