本文是 Nextbigfuture 對2016年計算機科學領域技術進步的回顧和對未來幾年發展的展望，關注高速度、低功耗的超級計算機芯片、光計算實現 exaFLOPS 級運算速率、量子計算、分子納米計算機等。
2016 年計算機科學的重大進步：
DeepMind的 AlphaGo 打敗了世界冠軍級的人類圍棋大師
當前以及未來的超級計算機的主要目標是高級的深度學習和人工智能
中國的“神威·太湖之光”超級計算機成為全球最快的超級計算機，速度比之前最快的快三倍。
美國、日本、歐洲以及中國都開始投資研發 ExaFlops 級的超級計算機。
超級計算機芯片
Xavier超級計算機芯片
2016年，英偉達推出號稱是世界上第一個超級計算機芯片的 Xavier。Xavier 搭載 70 億晶體管——比最先進的服務器級 CPU 都要復雜。而且，Xavier 每秒運算速度達到 20 萬億次，與英偉達今年早些時候在 CES 上推出的 DRIVE PX 2 的運算速度相當，而所需功耗只有 20 瓦。
50 個 Xavier 芯片將產生一 petaOP（千兆次深度學習運算，功耗1000瓦）。一個傳統的 petaflops （每秒一千兆次的浮點運算）超級計算機耗資 200~400 萬美元，功耗為 100~500 千瓦。2008 年，第一臺 petaflops 超級計算機耗資約 1 億美元。
英偉達將在 2017 年第四季度開始向“正在研發自動駕駛汽車的汽車制造商、一級供應商、初創企業以及研究機構”推出 Xavier 樣品。
還有其他一些新興的技術，將為加速超級計算機及超級計算機問題規模的應用提供選擇。
例如，有比常規處理器快 1000~10000 倍的 FPGA，可以用作快速傅立葉變換和量子計算（對于優化問題來說更快的是量子退火系統）的更快且更便宜的光學處理。
光計算實現 exaFLOPS
路線圖：明年的目標是 1 petaflops，到 2022 年達到 17 exaflops
然而，計算的顯著加速需要更長的時間以讓其更容易使用，有可得性而且便宜。最好的選擇是用新的計算機內存，最終取代硬盤驅動器和計算機內的光學通信。但是，大多數人并不需要 GPU 協處理器。GPU 用于加速計算已經有很多年。絕大多數用戶不會用盡筆記本或設備的計算機內存。
新的非易失性存儲器和可能的近似計算能為廣泛使用的 laptop、平板、智能手機等設備提供加速。分析師認為現有計算機內存被新的非易失性內存突然取代的可能性不大。
到2017年，光計算將成為快速傅立葉變換的成本更低的 petaflops 選項，再過幾年將發展到幾十 exaflops。
2015 年，Optalysis 建了一個光計算原型，實現了相當于 320 Gflops 的處理速度，而且能效上低得令人難以置信，因為它使用了低功率，非常有成本效益的組件。
專用與通用目的的量子計算
用于優化問題時，量子計算似乎正在變得比經典計算更快。通用目的的量子計算到 2018 年可能變得更快。但是，那些通用目的的系統也需要特別冷卻以及其他特殊條件的數據中心來操作。
生態位系統通過云接入提供，其中軟件可以提交密集計算問題。但只有在通信間隔小于計算速度提升時它才有價值。
exaFLOPS 可能將采用新的計算類型
超級計算機計算能力路線圖
2016年，Ralph Merkle 等人提出一種新的分子機械納米計算機的設計，理論上能比今天的超級計算機的能效高 1000 億到 100 萬億倍。
分子納米超級計算機的功耗與現在的超級計算機相當，功率是 10 兆瓦，可以實現 YottaFlops、BrontoFlops、甚至 GeoFlops 的計算水平。由于取消了對齒輪、離合器、開關、彈簧等的需要，設計更容易構建。
機械計算的現有設計可以在整個計算系統所需的部件數量方面得到極大改進，只需兩種類型的部件：鏈接，以及旋轉接頭。鏈接是簡單的直梁狀結構，旋轉接頭是允許在同個平面中旋轉運動的接頭。
總的來說，技術的進步將在15 到 35 年的時間框架中加速。至少深度學習、強化學習方面會有進步。萬億以上量子比特的通用量子計算機和完全光計算超級計算機也可能實現。
編譯來源：http://www.nextbigfuture.com/2016/12/in-2016-supercomputers-merged-with-ai.html
京公網安備 11010502049343號