دهها سال پیشرفت محاسباتی مثل جادو به نظر میرسید. هر دو سال یکبار، تراشههایی دو برابر قدرتمندتر با همان مصرف انرژی راهی بازار میشدند. راز این جادو در دو قانون ساده نهفته بود: پیشبینی قانون مور از دوبرابر شدن ترانزیستورها و دستورالعملی به نام «مقیاسپذیری دنارد» (Dennard scaling) که تضمین میکرد هر نسل ترانزیستورها کوچکتر، سریعتر و کممصرفتر میشوند. اما حدود سال ۲۰۰۵، این موتور پیشرفت روی دیوار فیزیک متوقف شد. مهندسان متوجه شدند دیگر نمیتوانند همۀ ترانزیستورهای میلیاردی یک تراشه را همزمان روشن نگه دارند بدون آنکه قطعه ذوب شود.
ماشین بینقص: دوران طلایی مقیاسپذیری ایدهآل
برای درک بحران امروز طراحی تراشه، باید به دوران طلایی برگردیم؛ دهههایی که مهندسان با یک «پرتو جادویی کوچککننده» تقریباً همه چیز را بهتر میکردند. این چارچوب نظری را رابرت دنارد و همکارانش در سال ۱۹۷۴ برای ترانزیستورهای MOSFET ارائه دادند. ایدۀ اصلی ساده بود: اگر همۀ ابعاد ترانزیستور (طول کانال، عرض، ضخامت اکسید گیت) را به ضریب κ کاهش دهیم و ولتاژ تغذیه و آستانه را هم به همین نسبت کم کنیم و غلظت آلایش بستر را κ² افزایش دهیم، آنگاه عملکرد در واحد سطح بدون افزایش چگالی توان تلفشده بهبود مییابد.
جادوی واقعی در پیامدهای زنجیرهای این مقیاسپذیری بود:
- مساحت ترانزیستور κ² بار کوچکتر میشد، بنابراین میتوانستید ترانزیستورهای بیشتری روی همان ویفر سیلیکونی جا دهید (همان قانون مور).
- ولتاژ تغذیه کاهش مییافت تا میدان الکتریکی درون ترانزیستورهای ریز از حد مجاز فراتر نرود.
- ظرفیت خازنی کاهش مییافت و ترانزیستورها سریعتر سوئیچ میکردند، بنابراین فرکانس کلاک هم افزایش مییافت.
نتیجهای که به دست میآمد شگفتانگیز بود: توان مصرفی هر ترانزیستور κ² بار کاهش مییافت و مساحت هم κ² بار کمتر میشد. بنابراین چگالی توان ثابت میماند. ترانزیستورهای بیشتر و سریعتر، بدون افزایش دما و مصرف انرژی کلی تراشه. این رژیم بینقص از دهه ۱۹۷۰ تا اوایل دهه ۲۰۰۰ دوام آورد و هر نسل، پردازندهای با قدرت ۲ برابر و فرکانس بالاتر (مثلاً از ۲ مگاهرتز در اینتل 8080 تا ۳+ گیگاهرتز در اوایل دهه ۲۰۰۰) تحویل میداد.
پایان مهمانی: دیوار ولتاژ و پرتگاه توان
اما همه چیز در اواسط دهه ۲۰۰۰ به پایان رسید. مهندسان به یک دیوار نامرئی برخوردند: دیوار ولتاژ. ولتاژ آستانه ترانزیستورها نمیتوانست بدون افزایش نشتی جریان به زیر حدود ۰.۲ ولت برسد. کاهش بیشتر ولتاژ نهتنها باعث افزایش جریان نشتی میشد، بلکه عملکرد را مختل میکرد. همزمان، افزایش بیرویۀ ترانزیستورها (به لطف قانون مور) باعث شد مجموع جریان نشتی بیکاری (leakage current) بهاندازهای بزرگ شود که حرارت تولیدی خودش به یک مشکل اساسی تبدیل شد. این پدیده به «پرتگاه توان» (Power Cliff) معروف شد. 
صنعت دچار بحران شد: بحران حافظه تاریک (Dark Silicon). دیگر نمیتوانستیم همۀ ترانزیستورهای روی تراشه را همزمان روشن کنیم، چون توان کافی وجود نداشت و حرارت غیرقابل تحمل میشد. بسیاری از هستههای پردازشی مجبور شدند خاموش بمانند. دوران مقیاسپذیری فرکانس به پایان رسید و پردازندهها از حدود ۳.۸ گیگاهرتز فراتر نرفتند.
پیامدهای طراحی: از هستههای تکی به پردازندههای چندهستهای
نتیجهگیری صنعت در برابر این فروپاشی یک تغییر پارادایم کامل بود. اگر دیگر نمیتوانستیم یک هستۀ بسیار سریع داشته باشیم، چرا از چندین هستۀ کندتر اما کممصرف استفاده نکنیم؟
۱. انقلاب چندهستهای (Multi-core)
بهجای افزایش فرکانس، تولیدکنندگان مانند اینتل و AMD شروع به قرار دادن ۲، ۴ و بعداً ۸ و ۱۶ هسته روی یک تراشه کردند. هر هسته با ولتاژ و فرکانس پایینتری کار میکند تا مصرف توان در محدودۀ مجاز بماند. مثال بارز این تحول، معرفی پردازندههای Core 2 Duo در سال ۲۰۰۶ و بعداً Core i7 با ۴ هسته بود.
۲. معماری ناهمگن (Heterogeneous Computing)
مدل «همۀ پردازشها روی CPU» شکست خورد. GPUها بهعنوان واحدهای پردازش موازی قدرتمند و بسیار کارآمد به میدان آمدند. تراشههای SoC موبایل و لپتاپ (مثل سری M اپل و Snapdragon کوالکام) ترکیبی از هستههای قدرتمند (Performance) و هستههای کممصرف (Efficiency) را به کار گرفتند. توزیع هوشمندانه وظایف میان این هستهها، بهینۀ مصرف انرژی را ممکن کرد.
۳. محدودیت فرکانس و راهکارهای خنککنندگی پیشرفته
استفاده از راهکارهای خنککنندگی پیشرفته مانند خنککنندۀ مایع، هیتسینکهای حجیم و حتی طراحی تراشههای سهبعدی (3D stacking) برای مدیریت بهتر حرارت ضروری شد. همچنین، تکنیکهای مدیریت توان پویا (DVFS یا Dynamic Voltage and Frequency Scaling) به یک استاندارد تبدیل شدند.
آیندهای فراتر از سیلیکون: پایان یک دوران یا آغاز دوران دیگر؟
فروپاشی قانون مور و مقیاسپذیری دنارد به معنای پایان پیشرفت محاسباتی نیست. بلکه ما وارد عصری شدهایم که دیگر «رایگان» نیست. اکنون پیشرفت نیازمند خلاقیت معماری، مواد جدید و رویکردهای نوآورانه است:
- محاسبات تقریبی (Approximate Computing): پذیرش خطاهای محاسباتی در ازای صرفهجویی در توان.
- پردازش نورومورفیک (Neuromorphic Computing): الهام از مغز انسان برای ساخت تراشههای با مصرف توان بسیار پایین.
- استفاده از مواد جدید: مانند ترانزیستورهای FinFET و Gate-All-Around که بهجای افزایش تراکم، کارایی حرارتی و الکتریکی را بهبود میدهند.
- محاسبات کوانتومی: بهعنوان یک انقلاب کاملاً متفاوت برای حل مسائل خاص.
جمعبندی: درسهایی از فروپاشی یک قانون زیبا
شکست مقیاسپذیری دنارد یک درس حیاتی برای صنعت داشت: پیشرفت نمایی همیشگی نیست. این فروپاشی نهتنها طراحی سختافزار، بلکه نرمافزار و حتی مدلهای کسبوکار را دگرگون کرد. امروز، دیگر یک پردازندۀ ۵ گیگاهرتزی نمیخریم که همه کارها را انجام دهد؛ بلکه سیستمی میخریم که ترکیبی از هستههای مختلف، شتابدهندههای GPU و NPU (برای هوش مصنوعی) و نرمافزاری هوشمند دارد که همۀ این منابع را برای بهترین کارایی در وات مدیریت کند. دوران جادوی رایگان تمام شده است، اما دوران مهندسی خلاقانه تازه آغاز شده است.
