[论文解读] Fundamental energy cost of finite-time computing

Michael Konopik, Till Korten+2 more|arXiv (Cornell University)|Jan 18, 2021

Quantum Computing Algorithms and Architecture参考文献 31被引用 5

一句话总结

本文利用非平衡热力学方法，确定了有限时间不可逆计算的基本能耗，表明由于有限时间耗散，串行计算机的能耗随问题规模增大而发散，而并行计算机可在接近Landauer极限的水平维持能耗效率。关键结果是，在有限时间约束下，并行架构在能耗效率上具有根本性优势。

ABSTRACT

The fundamental energy cost of irreversible computing is given by the Landauer bound of $kT \ln2$~/bit. However, this limit is only achievable for infinite-time processes. We here determine the fundamental energy cost of finite-time irreversible computing \er{within the framework of nonequilibrium thermodynamics}. Comparing the lower bounds of energy required by ideal serial and parallel computers to solve a problem of a given size in a given finite time, we find that the energy cost of a serial computer fundamentally diverges with increasing problem size, whereas that of a parallel computer can stay close to the Landauer limit. We discuss the implications of this result in the context of current technology, and for different degrees of parallelization and amounts of overhead. Our findings provide a physical basis for the design of energy efficient computers.

研究动机与目标

• 确定理想Landauer极限之外的有限时间不可逆计算的基本能耗。
• 在有限时间约束下，比较理想串行与并行计算机的能耗效率。
• 分析开销操作和并行度对有限时间计算能耗的影响。
• 为新兴和现有计算技术提供一种评估能耗效率的热力学框架。
• 确立在实际有限时间场景中，并行计算相对于串行计算具有根本性的能耗优势。

提出的方法

• 作者使用非平衡热力学建模有限时间过程中的耗散功，引入耗散能量与接近平衡时的$1/\tau$依赖关系。
• 推导出广义Landauer极限：$ W(\tau) = kT\bar{2} + \frac{a}{\tau} $，其中$ a $为能耗效率常数，$ \tau $为操作时间。
• 对于串行计算机，每次操作的时间$ \tau_s $与问题规模$ N $成反比，导致能耗随$ N $增加而上升。
• 对于并行计算机，处理器数量$ n \triangleq N $被调整以保持$ \tau_p $恒定，从而最小化每次操作的能耗。
• 开销操作建模为$ N_{\text{ove}}(n) = cn $，其对处理速度和能耗成本的影响通过$ \tau_p^{\text{ove}} = \frac{b\tau}{1 + bc} $在数学上予以整合。
• 总能耗每操作推导为$ \frac{W_{\text{tot}}^{\text{ove}}(N)}{N} = \big(1 + \frac{cn}{N}\big)\big[kT\bar{2} + \frac{a}{b\tau}(1 + \frac{cn}{N})\big] $，同时考虑Landauer项和耗散项。

实验结果

研究问题

• RQ1 与理想Landauer极限相比，计算的有限时间特性如何影响每次操作的基本能耗？
• RQ2 在总计算时间$ \tau $固定的情况下，串行与并行计算机每次操作的能耗随问题规模的缩放行为如何？
• RQ3 并行计算中的开销操作如何影响有限时间计算的能耗效率和缩放行为？
• RQ4 并行架构是否能在大规模问题下仍保持接近Landauer极限的能耗效率？
• RQ5 串行计算在有限时间运行中，其能耗效率受哪些物理限制？这些限制能否被克服？

主要发现

• 由于操作时间$ \tau_s \triangleq \frac{\tau}{N} $与问题规模$ N $成反比，串行计算机的每次操作能耗随$ N $增大而发散，导致耗散增加。
• 相反，由于$ \tau_p $保持恒定，并行计算机的每次操作能耗保持有界，且可接近Landauer极限$ kT\bar{2} $，与$ N $无关。
• 对于具有线性开销$ N_{\text{ove}}(n) = cn $的并行计算机，每次操作的能耗随$ N $增加，但当$ N_{\text{ove}}(n) $的缩放优于$ n^{3/2} $时，其在大$ N $下仍保持有利的缩放特性。
• 对于大$ N $，耗散项$ \frac{a}{\tau} $占主导，但Landauer项保持不变，确保并行系统的每次操作能耗渐近趋近于$ kT\bar{2} $。
• 生物计算系统（如DNA计算和基于网络的生物计算，NBC）被证明可几乎接近Landauer极限运行，且有限时间成本极低，展现出根本性的能耗优势。
• 串行计算的能耗效率从根本上受限于常数$ a $，需将$ a $降低至当前值以下（例如$ a \triangleq 10^{-6}kT $ s）才能实现高速、低能耗运行。