筆記型電腦可以兼作有效的行動式暖膝器——在寒冷的辦公室裡很舒適。但是，更大的桌上型電腦需要風扇。像谷歌使用的那樣大的資料中心需要大量冷卻水。對於尖端的超級計算機，訣竅是防止它們融化。例如，慕尼黑萊布尼茨超級計算中心的 一臺世界級機器以 3 petaflops（3 × 1015 次運算/秒）的速度執行，它產生的熱量為中心的一些建築物供暖。目前的趨勢表明，計算機技術的下一個里程碑——每秒執行 1018 次浮點運算的 exaflop 機器——將消耗數百兆瓦的功率（相當於一座小型核電站的輸出），並將幾乎所有能量轉化為熱量。
越來越多的熱量正成為阻礙計算機技術持續發展的最大障礙。問題是根本性的：電路變得越小、密度越高，它們就越熱。“當今微處理器產生的熱通量大致相當於太陽表面的熱通量，”印第安納州西拉法葉普渡大學計算機能源管理專家 Suresh Garimella 說。“但與太陽不同，這些裝置必須冷卻到低於 100 °C 的溫度”才能正常工作，他說。
為了實現這個越來越困難的目標，工程師們正在探索新的冷卻方法——例如，將液體冷卻劑直接泵送到晶片上，而不是在晶片周圍迴圈空氣。在更激進的方面，研究人員還在尋求透過探索電路封裝方式來減少熱通量。例如，電路可能不會侷限於二維 (2D) 板，而是可以排列在受大腦結構啟發的 3D 網格和網路中，大腦設法在沒有任何特殊冷卻裝置的情況下進行大規模計算。或許未來的超級計算機甚至不會由沿金屬線承載的電流供電，而是由冷卻劑流中的離子進行電化學驅動。
關於支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您將有助於確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
這不是計算機領域最光鮮的工作——當然無法與使電子裝置變得更小更快的廣為宣傳的努力相提並論。但是，除非工程師們解決散熱問題，否則這些備受矚目的創新將毫無意義。
順應潮流
這個問題與計算機一樣古老。第一臺現代電子計算機——二戰末期在費城賓夕法尼亞大學建造的重達 30 噸的機器 ENIAC——使用了 18,000 個真空管，必須透過一系列風扇進行冷卻。20 世紀 60 年代向固態矽器件的過渡帶來了一些喘息之機，但隨著器件密度的升高，對冷卻的需求又回來了。在 20 世紀 90 年代初期，從早期的“雙極”電晶體技術向互補金氧半導體 (CMOS) 器件的轉變透過大大降低每個器件的功耗再次提供了喘息之機。但是，正如摩爾定律所著名描述的那樣，晶片級計算能力大約每 18 個月翻一番，而這種指數增長再次將問題推到了前臺（請參閱'溫度升高'）。當今的一些微處理器從超過 10 億個電晶體中散發出熱量。如果一臺典型的桌上型電腦讓其晶片簡單地將熱量輻射到真空中，其內部溫度將達到數千攝氏度。
這就是為什麼臺式電腦（和一些筆記型電腦）有風扇的原因。被晶片加熱的空氣透過對流帶走了一些熱量，但還不夠：風扇迴圈足夠的空氣以將溫度保持在可工作的 75 °C 左右。
但是風扇也會消耗功率——對於筆記型電腦來說，這是電池的額外負擔。而且，僅靠風扇並不總是足以冷卻資料中心中使用的計算機陣列，其中許多資料中心依賴於使用液體冷卻流過熱晶片的空氣的熱交換器。
圖片：自然雜誌 & Ellsworth, M. J. 等人. ITHERM 266–274 (2008)
更大型的機器需要更嚴厲的措施。正如瑞士呂施利孔 IBM 先進熱封裝組經理 Bruno Michel 解釋說：“一臺先進的超級計算機每天需要幾立方公里的空氣進行冷卻。” 這根本不切實際，因此計算機工程師必須轉而採用液體冷卻。
水冷計算機早在 1964 年就已上市，20 世紀 80 年代和 90 年代建造的幾代大型機都採用水冷。如今，有時會使用非水性、非反應性液體冷卻劑，例如氟碳化合物，它們通常與晶片直接接觸。這些物質通常透過沸騰來冷卻——它們吸收熱量，蒸汽將其帶走。其他系統包括液體噴霧或電路製冷。
SuperMUC 是 IBM 建造的超級計算機，位於萊布尼茨中心，於 2012 年投入使用。這臺 3-petaflop 機器是世界上最強大的超級計算機之一。它採用水冷系統，但水是溫水——大約 45 °C。水透過微通道泵送，這些微通道雕刻在中央處理單元上方的定製銅製散熱器中，從而將冷卻集中在系統最需要的部分。使用溫水似乎很奇怪，但它比其他冷卻方法消耗的能量更少，因為從系統中流出的熱水在重新引入之前需要更少的冷卻。而且，使用熱水流出物為附近的辦公樓供暖可以進一步節省能源。
IBM 的 Michel 及其同事認為，流動的水不僅可以用於提取熱量，還可以透過攜帶溶解的離子來為電路供電，這些離子在能量收集電極處進行電化學反應。實際上，冷卻劑兼作電解質“燃料”。佐治亞州亞特蘭大佐治亞理工學院的機械工程師 Yogendra Joshi 說，這個想法並非完全新鮮。“它已在飛機電子裝置的熱管理中使用多年”，這些電子裝置由噴氣燃料冷卻，他說。
使用電解質流輸送電力已經是一項新興技術。例如，在一種稱為氧化還原液流電池的燃料電池中，兩種電解質溶液被泵入電化學電池，在那裡它們被離子可以流過的膜隔開。電子在溶液中的離子之間移動，這個過程稱為還原-氧化（氧化還原）反應——但它們被迫透過外部電路這樣做，產生能量，這些能量可以被利用來提供電力。
含鹽邏輯
氧化還原液流電池可以使用微流體技術進行小型化，其中流體流動被限制在蝕刻到基板（例如矽）上的微觀通道中。在如此小的尺度下，液體可以彼此流過而不會混合，因此無需膜來分離它們。透過這種簡化，器件更容易且更便宜地製造，並且它們與矽晶片技術相容。
Michel 及其同事已開始開發用於為微處理器供電的微流體電池，使用基於釩離子的氧化還原過程。電解質沿著寬度為 100–200 微米的微通道泵送，這些微通道類似於用於在某些晶片周圍輸送冷卻劑流的微通道。電力在沿通道間隔開的電極處收集，然後透過傳統的金屬佈線分配給各個裝置。研究人員於 8 月在布拉格舉行的國際電化學學會會議上公佈了他們的初步結果。
但他們距離真正以這種方式為電路供電還有一段距離。目前，微流體氧化還原液流電池的功率密度在 1 伏電壓下小於每平方釐米 1 瓦——比驅動當今微處理器所需的功率密度低兩到三個數量級。然而，Michel 認為未來的處理器將具有顯著降低的功耗要求。而且，他說，使用微流體電化學電池供電應至少將傳統金屬佈線造成的功率損耗減半，傳統金屬佈線會將所攜帶的約 50% 的電能浪費為電阻熱。
變得更像大腦
電化學供電可能有助於減少處理器的散熱，但有一種方法可以產生更大的差異。晶片的大部分熱量不是由電晶體的開關產生的，而是由在電晶體之間傳輸訊號的導線中的電阻產生的。那麼，問題不在於邏輯，而在於繁瑣的工作。在 20 世紀 90 年代後期，當電晶體的尺寸約為 250 奈米時，“邏輯”和“繁瑣的工作”造成的功耗大致相等。但 Michel 說，如今，“導線能量損失現在比電晶體開關能量損失大十倍以上”。事實上，他說，“由於所有元件都必須在等待資訊到達時保持活動狀態，因此傳輸引起的功率損耗佔總功率損耗的 99% 之多”。
這就是為什麼 Garimella 說“該行業正在遠離傳統的晶片架構，在傳統晶片架構中，通訊損耗嚴重阻礙了效能和效率”。解決方案似乎很明顯：減少資訊傳遞電力脈衝在邏輯運算之間必須傳播的距離。電晶體已經儘可能密集地封裝在 2D 晶片上。如果將它們堆疊在 3D 陣列中，則資料傳輸中損失的能量可以大幅減少。傳輸速度也會更快。“如果將線性尺寸縮小十倍，您就可以節省那麼多與導線相關的能量，並且您的資訊到達速度幾乎快十倍，”Michel 說。他預見到 3D 超級計算機可以像方糖一樣小。
3D 封裝可能是什麼樣的？“我們必須尋找具有更好通訊架構的例子，”Michel 說。“人腦就是一個例子。” 大腦的任務要求很高：平均而言，神經組織每單位體積消耗的功率大約是其他人體組織的十倍——即使在奧運會跑步運動員的股四頭肌中，這種能量需求也是無與倫比的。大腦僅佔人體體積的 2%，但佔總能量需求的 20%。
然而，與電子計算機相比，大腦的效率非常高。對於每焦耳消耗的能量，它可以實現五到六個數量級的更多計算。Michel 確信，大腦的效率部分歸因於其架構：它是一個 3D、分層的互連網路，而不是類似網格的電路排列。
智慧構建
這有助於大腦更有效地利用空間。在計算機中，高達 96% 的機器體積用於傳輸熱量，1% 用於通訊（傳輸資訊），只有百萬分之一用於電晶體和其他邏輯器件。相比之下，大腦僅使用其體積的 10% 用於能量供應和熱傳輸，70% 用於通訊，20% 用於計算。此外，大腦的記憶和計算模組彼此靠近定位，以便可以立即呼叫很久以前儲存的資料。相比之下，在計算機中，這兩個元素通常是分開的。“除非架構變得更加以記憶體為中心，否則計算機在快速呼叫方面將繼續表現不佳”，Michel 說。三維封裝將使各個元素更加接近。
所有這一切都向 Michel 表明，如果計算機要進行三維封裝，那麼嘗試模仿大腦的分層架構將是值得的。這種層次結構已經隱含在一些提議的 3D 設計中：單個微處理器晶片堆疊（電晶體本身可以在其上以分支網路連線）堆疊成塔並在電路板上互連，而這些電路板又堆疊在一起，從而實現它們之間的垂直通訊。結果是一種“有序分形”結構，一種在每個尺度上看起來都相同的規則空間細分。
Michel 估計，原則上，與當前的 2D 架構相比，3D 封裝可以將計算機體積縮小 1,000 倍，功耗降低 100 倍。但他表示，引入類似大腦的“仿生”封裝結構可以將功率需求再降低 30 倍左右，體積再縮小 1,000 倍。熱量輸出也將下降：1-petaflop 計算機現在體積大到足以佔據一個小倉庫，可以縮小到 10 升的體積。
如果計算機工程師渴望達到 zetaflop 計算（1021 次浮點運算）的驚人高度，那麼類似大腦的結構將是必要的：按照今天的架構，這樣的裝置將比珠穆朗瑪峰還大，並且消耗的功率將超過當前全球總需求。只有採用仿生封裝等方法，zetaflop 計算才似乎是遙遙可及的。Michel 及其同事認為，到 2060 年左右，此類創新應該能夠使計算機達到人腦的效率——即使不一定是能力。這值得思考。
本文經 Nature 雜誌許可轉載。該文章於 2012 年 12 月 12 日首次發表。