استفاده تراشه‌سازان بزرگ از چیپلت‌ها جهت تداوم قانون مور

تراشه‌سازان بزرگ برای افزایش سرعت پردازشی و کارایی و تداوم قانون مور، دست به دامان چیپلت‌ها شدند. معماری Zen 2 نمودی از این فناوری جدید است.

برای بیش از پنج دهه قانون مور در مسیرِ تکاملی پیموده شده از کامپیوترهای دسکتاپ و لپ‌تاپ‌ها گرفته، تا فناوری‌هایی که امروزه با نام‌های فضای ابری و اینترنت اشیا شناخته می‌شوند، بر سرعت ابداعات و نوآوری‌ها در صنعت تراشه‌های نیمه‌رسانا حاکم بوده‌ است. براساس این قانون، در هر بازه‌ی زمانیِ بین ۱۸ تا ۲۴ ماه، تعداد ترانزیستورهای روی‌ یک تراشه با مساحت ثابت دو برابر می‌شوند. این امر نیز به نوبه‌ی خود، کمک شایانی به کاهش هزینه‌ها و بهبود کارایی و توان مصرفی در نسل‌های متوالی از ریز تراشه‌ها کرده‌ است. فشرده‌تر شدن ترانزیستورها در ریز‌تراشه‌ها سبب کوچک‌تر شدن این مدارات و به تبع آن، باعثِ هموار‌شدن مسیر به‌جهت انجام محاسباتی در حجم کمتر در دستگاه‌هایی مانند گوشی‌های هوشمند، تبلت‌ها و اولترابوک‌ها شده است.

قانون مور در حال کند شدن است و تحقق پیش‌بینیِ این قانون مبنی‌بر افزایش تراکم ترانزیستورها در بازه‌ی زمانی ۱۸ تا ۲۴ ماه چالش برانگیزتر از گذشته شده است. کوچک‌سازی ابعاد به طرز چشم‌گیری جدال برانگیز شده و کشف فناوری‌های جدید تولیدی که امکان کوچک‌سازی مداوم تراشه‌ها را فراهم آورد، زمان طولانی‌تری را می‌طلبد. از نظر صنایع این رکود مهم‌ترین مشکل پیش روی ابداعات است. روند طراحی پردازنده‌ها باید این وقفه‌ها در افزایش تراکم ترانزیستورها را به‌گونه‌ای جبران کند که بهبودهای صورت‌گرفته در محصولات، نویدبخش تداوم قانون مور باشد.

مقاله‌های مرتبط:

تراشه‌سازان بزرگ به‌منظور افزایش سرعت پردازشی و کارایی، به‌ ایجاد بهبودهایی در معماری، همچون استفاده از چیپلت‌ها و توان عملیاتی سریع‌تر چه در تراشه‌هایی که حافظه‌ی مجتمع دارند، چه غیرِ آن و تمرکز بر توان کاری بیشتر در هر عملیات یا چرخه، گرایش پیدا کرده‌اند. در کل چنین روندی، تغییری بزرگ در اهداف شرکت‌های بزرگ تراشه‌ساز محسوب می‌شود. همه‌ی آن‌ها درگیر افزایش گسترده‌ی تقاضاها در زمینه‌ی پردازش و عدم تواناییِ رویکردهای سنتی در ارائه‌ی قدرت و کارایی هستند. سودی که شرکت‌ها از ساخت تراشه‌ها به‌دست می‌آورد، از زمان عرضه‌ی تراشه‌هایی با لیتوگرافی ۲۸ نانومتری و در برخی موارد خیلی قبل‌تر از آن، روز‌به‌روز کاهش یافته است. در همین حال داده‌هایی که دستگاه‌ها و نرم‌افزارها تولید می‌کنند، رفته‌رفته بیشتر شده و استفاده از سنسورها نیز در دستگاه‌های یادشده گسترده‌تر می‌شود. چنین حجم عظیمی از اطلاعات نیازمند پردازشی سریع‌تر است که در حال حاضر با بهره‌گیری از قدرت پردازشی پیشین یا حتی کمتر صورت می‌پذیرد.

این روند به مثابِه طوفانی بزرگ برای تراشه‌سازانی است که در گذشته از روش‌هایی مانند speculative execution برای جبران عملکرد پایین تراشه‌ها و افزایش سود خود استفاده می‌کردند. speculative execution روشی برای بهینه‌سازی عملکرد در سیستم‌ها، با انجام پیش از موعد وظایف و تَسک‌هایی است شاید اصلا نیازی به انجامشان نباشد. اما روش یادشده نیز باعث به‌وجود آمدن حفره‌های امنیتی نظیر ملت‌داون شده‌ که در تراشه‌های اینتل وجود دارد. روش مدکور همچنین در بیش‌ترین حالت بین ۳۰ تا ۵۰ درصد کارایی و قدرت تراشه‌ها را بیشتر می‌کرد که این رقم در حال حاضر تا ۲۰ درصد پایین آمده و ثبات آن در گرو مواد و ساختارهای جدید است.

محصول نهایی با استفاده از چیپلت‌ها به لطف پایین‌بودن چشم‌گیر هزینه‌ها در تراشه‌های ساخته‌شده از دای‌های جداگانه در قیاس با طراحی‌های یک‌پارچه‌ی پیشین، ظرفیت بیشتری برای افزایش عملکرد و توان عملیاتی خواهد داشت.

در همین حال تراشه‌سازان بزرگ شاهد تاخت‌و‌تاز شرکت‌هایی چون گوگل، فیسبوک و آمازون در بازار کلیدیشان یعنی مراکز بزرگ داده هستند. تراشه‌سازان از طرف شرکت‌های نوپا نیز که با توسعه‌ی نوع ویژه‌ای از شتاب‌دهنده‌ها، وعده‌ی پیشرفت‌های بزرگی را از طریق تغییر معماری می‌دهند، در بازار هوش‌مصنوعی و یادگیری ماشینی تحت فشار هستند.

آن‌چه که امروز نیاز است، طراحی جدید در پردازنده‌ها برای تکرار دست‌آوردهایِ تاریخی دیده‌شده در چند دهه‌ی گذشته، در دهه‌های پیشِ رو است. یکی از راه‌حل‌های ارائه شده، روند به‌کار بردنِ چیپلت است. در این روش، چندین چیپلتِ مخلتف از طریق طرح بهم پیوسته‌ی دای‌به‌دای (die-to-die) به هم متصل شده و پردازنده‌ای واحد را تشکیل می‌دهند. در مبحث مدارات مجتمع، هر دای (die) یک بلوک کوچک از مواد نیمه‌رسانا است که مداری با کارکرد خاص، طی فرآیندی مانند فوتولیتوگرافی روی آن ساخته شده‌ است. برای درک بهتر رابط دای تو دای به شکل زیر دقت کنید:

moore law

به‌طور مشخص همانگونه که در شکل بالا نشان داده شده است، هر ASIC یا به‌عبارتی مدار مجتمعی که به‌منظور انجام علیماتی خاص بهینه‌سازی شده است، به واسطه‌ی چیپلت‌ها، به اجزایی کوچک‌تر تقسیم می‌شود که هر کدام دارای ویژگی‌های خاص خود مانند حافظه، ورودی/خروجی و توابع آنالوگ هستند. بنابراین نتیجه‌ی نهایی ASICی ساده‌تر شده با اجزا و بلوک‌هایی است که آن‌را احاطه کرده‌اند. سپس مدار مجتمع یادشده به واسطه‌ی رابط دای به دای، به بلاک‌های اطراف خود متصل می‌شود. دومین مثال مربوط به تقسیم یک SoC به دای‌های ماژولار و انتقال چیپلت سِردِز (SerDes) به یک دای جداگانه است.

برای درک بهتر این مثال لازم است تا تک‌تک مفاهیم به‌صورت جداگانه توضیح داده شود. یک SoC مداری مجتمع متشکل از بیشتر قطعاتی از جمله پردازنده، پردازنده‌ی گرافیکی و ورودی/خروجی‌ها است که در یک کامپیوتر به کار برده می‌شوند. در مبحث انتقال داده، دو نوع ارتباط بین اجزای سیستم می‌تواند وجود داشته‌باشد. ارتباط موازی و ارتباط سریالی. برای مثال جهت انتقال یک بایت یا ۸ بیت اطلاعات، ارتباط سریالی بیت‌ها را یک‌به‌یک و پشت سر هم، انتقال می‌دهد، اما ارتباط موازی، تمامی این اطلاعات را به‌صورت هم‌زمان منتقل می‌کند. SerDes یک مدار مجتمع است که رابط‌های موازی و سری را در هر سمت از مبدا یا مقصد داده، به یکدیگر تبدیل می‌کند. به‌صورت مختصر کاری که SerDes انجام می‌دهد، تبدیل رابط‌های موازی و سریالی به یکدیگر در مداراتی است که از رابط سریالی پشتیبانی نمی‌کنند. در چنین مداراتی جداسازیِ واحدهایی چون SerDes از SoC به‌واسطه‌ی رابط دای به دای صورت می‌پذیرد.

moore law

هر دو مورد استفاده از رابط دای به دای، مزایای عمده‌ای به‌همراه دارند. اول اینکه عملکرد یک SoC بزرگ با شکسته‌شدن به دای‌های کوچک، به‌جهت توابع هندسی در این نوع اشکال بهتر خواهد شد و دوم اینکه شرکت‌ها با این رابط می‌توانند تمامی قطعات در مدارات خود را ماژولار کرده و کیفیت بالاتری برایشان ایجاد کنند.

در نهایت این‌گونه می‌توان گفت که استفاده از چیپلت‌ها باعث ارزان‌تر، سریع‌تر و سازگار شدن سرهم‌کردن تعداد زیادی از ورودی/خروجی‌ها، حافظه و هسته‌های پردازنده‌ها خواهد شد. بسیاری از بازیگران عمده در این صنعت در حال گام نهادن به طراحی ماژولار یادشده هستند. اگر رویکرد طراحی در تراشه‌ها به‌سمت استفاده از معماری ماژولار حرکت کند، بخش‌هایی از طراحی که ساختشان دشوار است، به دای‌های کوچک‌تر تقسیم می‌شوند. در دای‌های کوچک‌تر می‌توان کارایی و تعداد تراشه‌های موجود روی هر ویفر را بیشتر کرد که این امر نیز به کاهش بیشتر هزینه‌های تولید و افزایش راندمان تولید کمک خواهد کرد. در علم الکترونیک هر ویفر بستری از جنس یک نیمه‌رسانا مانند سیلیکون است که ریزتراشه‌ها روی آن یا درون آن قرار گرفته و یک مدار مجتمع را تشکیل می‌دهند.

moore law

چندین عامل مهم وجود دارد که استفاده از چیپلت‌ها را متقاعد‌کننده جلوه می‌دهد. محصول نهایی با استفاده از چیپلت‌ها به لطف پایین‌بودن چشم‌گیر هزینه‌ها در تراشه‌های ساخته‌شده از دای‌های جداگانه در قیاس با طراحی‌های یک‌پارچه‌ی پیشین، ظرفیت بیشتری برای افزایش عملکرد و توان عملیاتی خواهد داشت. علاوه‌بر این، ساخت چنین مداراتی به فناوری‌های سطح‌بالا نیازی نداشته و با بهره‌گیری از مدارهای مجتمعِ ترکیبی از تراشه‌های دیجیتال و آنالوگ که در دستگاه‌های حال حاضر از جمله گوشی‌های هوشمند به‌کار رفته‌اند، می‌توان آن‌ها را تولید کرد. بهره‌گیری از چیپلت‌ها باعث انعطاف‌پذیری در ساخت انواع مختلف تراشه، با یک معماری خاص می‌شود. برای مثال در پردازنده‌های رایزن، تریدریپر و اپیکِ شرکت AMD به ترتیب یک، دو و چهار دای از معماری Zen 2 وجود دارد. دن باویر معمار ارشد در بخش محصولات AMD در کنفرانس Hot Chips در این رابطه چنین گفت:

دای‌های کوچک باعث بهبود عملکرد می‌شوند. چیپلت‌ها نیز با بهره‌گیری از رابط‌های رایج مانند فناوری Infinity fabric شرکت AMD، با جمع‌آوری تمامی قطعات روی یک بستر می‌توانند برای افزایش اندازه‌ی دای‌ها تا ۱۰۰۰ میلی‌متر مربع مورد استفاده قرار گیرند که سطح مقطعی بزرگ‌تر از اندازه‌ی یک سکه است. رابط‌های اشاره‌شده همچنین می‌توانند برای اتصال تراشه‌هایی با گره‌های متفاوت، بسته به اینکه چه عملکردی قرار است داشته باشند، مورد استفاده قرار گیرد.

لیتوگرافی ۷ نانومتری مهم‌ترین گام درنتیجه‌ی بهره‌گیری از چیپلت‌ها است.

استراتژی اینتل نیز به‌شدت روی چیپلت‌ها متکی است. در طراحی اینتل چیپلت‌ها از طرق مختلفی من‌جمله پل تراشه‌به‌تراشه‌ی داخلیِ این شرکت یا همان پل رابط چند دایِ تعبیه‌شده (EMIB) به هم متصل می‌شوند. اما این شرکت در زمینه‌ی دسترسی به حافظه و فضای ذخیره‌سازی نیز قدم‌هایی را برداشته است. یکی از این گام‌ها، حافظه‌های پایدار هستند که به پر کردن خلا موجود بین هارد درایوهای جامد و DRAMها کمک می‌کند. مدتی است که اینتل نوعی از حافظه‌های پایدار را با نام تجاری 3D XPoint روانه‌ی بازار می‌کند. اینتل با کمک فناوری تغییر فاز حافظه‌ها، دستگاه‌های 3D XPoint را با SSDها و DIMMهای خود ادغام کرده و سرعت عمل در این سیستم‌ها را افزایش می‌دهد. لیلی لووی، مهندس ارشد اینتل دراین‌زمینه‌ می‌گوید:

یکی از بزرگ‌ترین چالش‌ها این است که شما تمامی داده‌هایی که باید پردازش شوند را در اختیار دارید، اما فضای ذخیره‌سازی کافی برای آن‌ها را ندارید. در چند سال گذشته حجم داده‌ها به حد انفجار بالا رفته و دو مورد در رابطه با آن، تحت‌الشعاع قرار گرفته است. اولین مورد، نانوثانیه‌ها هستند که سبب می‌شوند شما به ظرفیت بیشتری احتیاج داشته باشید. مورد دوم نیاز شما به تداوم دسترسی به اطلاعات، در صورت قطع شدن جریان برق است. اما شاید شما به تمامی آن داده‌ها احتیاج نداشته باشید و تنها مقداری کوچک از آن را در حد کیلوبایت ذخیره کنید که بسیار کارآمد‌تر است.

moore law

لیتوگرافی ۷ نانومتری مهم‌ترین گام درنتیجه‌ی بهره‌گیری از چیپلت‌ها است. چیپلت‌های کوچک ۷ نانومتریِ پردازنده، نه‌تنها کارآمد و مقرون‌به صرفه هستند، بلکه با تنظیم تعداد آن‌ها براساس نیازهای بازار، می‌توان هزینه‌ی نهایی و قدرت پردازنده‌های به‌دست آمده از این چیپلت‌ها را کنترل کرد. فایده‌ی بارز دیگر در استفاده از چیپلت‌ها این است که با ترکیب حافظه و رابط‌های ورودی/خروجی‌ها در هر دای، به‌واسطه‌ی کوتاه‌تر شدن مسیرها، شرکت‌ها می‌توانند نرخ تأخیر در حافظه و ورودی/خروجی‌ها را کاهش دهند که در پی آن، عملکرد تراشه بهبود خواهد یافت. در سیستم‌های محاسباتی مانند سرورها که کارایی و قدرت سیستم، ارتباط مستقیمی با هسته‌های پردازنده و حافظه‌ کش دارد، مزایایی که چیپلت‌های ۷ نانومتری ایجاد می‌کنند، بسیار چشم‌گیر است.

مزایای حاصل از استفاده از چیپلت‌ها برای کاربران نهایی شامل افزایش کارایی، مصرف انرژی کمتر، بهبود در تاخیرات موجود در حافظه و همچنین سرعت کلاک پردازنده است. روند استفاده از چیپلت، مسیری جدید در صنعتِ ساخت تراشه‌های نیمه‌هادی است. پیشرفت در عملکرد ، کارآیی و انعطاف‌پذیری معماری مبتنی بر این استراتژی ماژولار، باعث افزایش مزایای قانون مور در آینده خواهد شد. علاوه‌بر این، رویکرد استفاده از چیپلت باعث می‌شود تا نوآوری‌های جدیدی در صنایع تراشه‌های نیمه‌هادی صورت گیرد و این فناوری بتواند تقاضا برای افزایش روزافزون عملکرد پردازشی و عملکردهای محاسباتیِ تخصصی در زمینه‌هایی مانند هوش مصنوعی، عملیات رندرینگ، پردازش گرافیکیِ بی‌درنگ، شبیه‌سازی‌ها و ابر‌محاسبات را برآورده سازد.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

*

code