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