La Ley de Moore es la ley no física que lleva el nombre del cofundador de Intel, Gordon Moore, quien observó en 1965 que los transistores se encogían tan rápido que cada año el doble podría caber en un chip. Moore ajustó el ritmo en 1975 al doble cada dos años.

La industria de los chips, con Intel a la cabeza, ha mantenido viva esta predicción manteniendo un suministro continuo de transistores. Sin embargo, ha aplazado el lanzamiento de sus nuevos transistores con características tan pequeñas como 10 nanómetros, de 2016 a finales de 2017. La compañía también ha decidido aumentar el tiempo entre cada generación y la hoja de ruta para la tecnología de la Ley de Moore, está siendo desechado. Intel ha sugerido que los transistores de silicio sólo pueden seguir reduciéndose durante otros cinco años.

"Tenemos que preguntarnos, ¿Esto va a ser un problema en áreas como los dispositivos móviles, los centros de datos y los coches auto-conducción?", dice Thomas Wenisch, un profesor asistente en la Universidad de Michigan. "Creo que sí, pero en escalas de tiempo diferentes."

Los ordenadores en nuestros bolsillos, probablemente sentirán los efectos más tarde que otros tipos de dispositivos, calcula Wenisch. Los dispositivos móviles son accionados por chips fabricados por compañías distintas de Intel, y por lo general han estado un poco por detrás en la tecnología de transistores.

Los procesadores móviles no hacen pleno uso de algunas técnicas de diseño bien establecidas en los procesadores más potentes para máquinas no itinerantes, dice. "Es probable que se tengan una o dos generaciones más para móviles", dice Wenisch.

Sin embargo, muchas cosas útiles que los dispositivos móviles pueden hacer se basan en el poder de los centros de datos, donde el fin de la Ley de Moore sería un dolor de cabeza más inmediato. Compañías como Google y Microsoft consumen ansiosamente cada nueva generación de chips más avanzados, llenos con una mayor cantidad de transistores.

Wenisch dice que las compañías como Intel, que dominan el mercado de los chips de servidor y sus clientes más grandes tendrán que ser creativos. Maneras alternativas para obtener más potencia de cálculo, incluyen trabajar más duro para mejorar el diseño de los chips y la fabricación de chips especializados para acelerar determinados algoritmos cruciales.

La fuerte demanda de chips para el crucial álgebra de una poderosa técnica de aprendizaje automático llamado deep learning (aprendizaje profundo) parece inevitable, por ejemplo. La compañía de chips gráficos Nvidia y varias nuevas empresas ya se están moviendo en esa dirección. Microsoft e Intel también están trabajando en la idea de correr un cierto código en chips reconfigurables llamados FPGA con el fin de obtener una mayor eficiencia. Intel gastó casi 17 mil millones de dólares el año pasado en adquirir Altera, el fabricante líder de FPGA, y está adaptando su tecnología para centros de datos.

Horst Simon, director adjunto del Laboratorio Nacional Lawrence de Berkeley, dice que las supercomputadoras más poderosos del mundo parecen ya estar sintiendo los efectos del fin de la ley de Moore. Los superordenadores del mundo no están mejorando al mismo ritmo que antes. "Durante los últimos tres años, hemos visto una especie de estancamiento", dice Simon. Esas son malas noticias para los programas de investigación que dependen de estas super máquinas, como los esfuerzos para entender el cambio climático, el desarrollo de nuevos materiales para baterías y superconductores, y mejorar el diseño de fármacos.

Simon dice que el próximo estancamiento en la densidad de transistores motivará el interés en volver a dibujar la arquitectura básica de las supercomputadoras y los centros de datos. Deshacerse de ciertas características de diseño que datan de la década de 1940 podría abrir enormes ganancias de eficiencia. Sin embargo, el aprovechamiento de estas requeriría repensar el diseño de muchos tipos de software, y que los programadores cambien sus hábitos.

Sin embargo cualquiera sea el tipo de computadora, la cuestión clave es encontrar formas creativas para reemplazar los beneficios que otorga la Ley de Moore. Estos nuevos enfoques incluyen la computación óptica, paralela, y por supuesto la computación cuántica, entre otras.

FUENTE: MIT REVIEW, INVERSE