ムーアの新しい法則とフォトニクスはそれと何の関係があるのでしょうか？

以前、深層学習におけるナノフォトニクス技術の使用と、それらがソフトウェアおよびハードウェアレベルでコンピューティングシステムのパフォーマンスをどのように向上させるかを検討しました。



議論のために提起されたコンピューティングシステムの進化のより複雑な依存関係を見つけることによってムーアの法則を更新するというトピックは、今日、プラズモニクスおよびナノフォトニクス技術の分野の研究者によってよく理解されています。



重要：記事内のほとんどのリンクは英語の資料につながっています。ロシアには国内のフォトニクス研究者はそれほど多くなく、存在する研究者は英語で出版することを好みます。



お茶を飲みながらのんびりとこのトピックをさらに研究するには、DmitryFedyaninのレポートを聞いてください。 -コンピューティングシステムにおけるナノフォトニクス技術の応用に関するロシアの主要な研究者の1人。





Dmitry Fedyaninは、MIPTの主任研究員です。



次に、著者のグループが、古典的なムーアの法則に代わる、生産性の成長指標の非常に独創的な概念を提案している興味深い記事を分析します。プロセッサコアの操作に関する既存の技術の自然な物理的制限の分析、およびナノフォトニクスに基づく新しいシステムの実験的に確認された見通しのおかげで、このアイデアは成熟しました。



計算効率と通信帯域幅を改善するための現代の産業システムによる継続的な要求により、半導体技術は現在の状態で限界に達しています。これにより、従来のソリューションを超えることができる新しいテクノロジーが登場しました。フォトニックプリプロセッサまたはアクセラレータ、電子-フォトンハイブリッド回路、およびニューラルネットワークについて話しています。ただし、コンピューティングシステムのパフォーマンスの進化を記述および予測するために行われた努力では、実際に観察された開発速度を正確に予測して説明することはできません。つまり、提案されたすべての指標は、最初に提案されてから数年後に、最終的には開発の軌跡から逸脱します。この不一致には、バランスの取れたメトリックが必要です。これには、コンピューティングシステムの進化の背後にある一連の包括的な推進力が含まれます。



Capability to Latency-Amount-Resistance（CLEAR） と呼ばれる新しいメトリックの元の概念は、国際的な研究者チーム（Shuai Sun、Vikram K. Narayana、Mario Miscuglio、Lionel C. Kimerling、Tarek El-Ghazawi、Volker J. Sorger）によって提案されました。記事の著者によると（ここを参照））このメトリックは、同期速度、エネルギー効率、コンピューターの物理サイズのスケーリング、および経済的コストの変化のダイナミクスをカバーします。著者によると、CLEARは、コンピューティングシステムの歴史的発展を正しく説明する今日の唯一の指標です。さまざまなオプションと相互の技術的組み合わせがあっても、CLEARは、将来の実装が提案されている主要なコンピューティング技術（予測）を含め、観察された一定の成長率と一致しています。 CLEARは、現在および将来のコンピューティングシステムの生産性の成長を定量的に予測するためのガイドとして読者に提示されます。



一般に、コンピューティングパフォーマンスの進化は絶えず増加しているという事実にもかかわらず、既存の半導体業界に基づくデバイスのパフォーマンスの観測速度は、特に14nmテクノロジーで著しく遅くなります（こことここを参照）。これは、自然の物理的制約と、継続的な工業用チップ製造プロセスの経済的コストの増大の両方によるものです。



これらの理由から、半導体産業のロードマップとしてのムーアの法則は、これらの障害を取り除くために何度か改訂されました（ここを参照））。同様に、計算能力の使用効率の指標（久美の法則）やエネルギー消費、サイズ、コストの比率から導き出される計算能力の指標（牧本の法則）など、他の物理量の関係の発達のダイナミクス（時間依存性）は、結果としてすべて同じように逸脱します観察された技術開発の速度と比較して（図1）-実際には、指標で選択された時間の関数（たとえば、マルチコア、製造コスト）は指数関数的な成長を提供できません。



たとえば、Nコアのプロセッサのパフォーマンスは、比率1 /（（1-p）+ p / N）によって制限されます。ここで、pは並列化レベルです（を参照してください）。ここ）。したがって、コンピューティングシステムのパフォーマンスを説明するために1つまたは複数の駆動要因のみが使用されるムーアの法則（または他の既存の予測メトリック）のみを使用する場合、コンピューティングシステムのパフォーマンスの進化を追跡することはますます困難になります（ここを参照）。さらに、さまざまなハードウェア実装（電気、光学など）の利点は、時間の経過とともにさまざまな方法で変化するため、進化的予測はさらに困難になります。



たとえば、統合されたフォトニクスおよび場合によってはプラズモニクスは、ボード上またはチップ上でさえ特定の通信チャネルを拡張できます。その結果、熱電力損失の問題が大幅に軽減され、波長分割多重化（WDM）、光角運動量、または偏光振幅変調などのより高度な変調形式などの概念的アプローチを使用して電子デジタル効率の障壁を克服する機能により、データ帯域幅が増加します。変調（たとえば、QAM）。位相分極と振幅分極が同時に使用されます（こことここを参照）。



他の技術とのトレードオフに関しては、14 nmプロセスノードを備えた1つの電子トランジスタは、フォトニックマイクロディスクのリング変調器よりも3桁小さい領域を占有しますが、フォトニクスは、上記に関して相乗的ではありますが、容量性の充電/放電ワイヤなしでチャネルレベルで相互接続を提供しますTbpsまでのデータ転送速度をサポートする独自の特性（ここを参照）。図1。 1946年から現在までのコンピューティングシステムの開発の性質は、4つの異なる指標の形で表すことができます。（a）ムーアの法則-チップ上のコンポーネント数の増加に基づいており、トランジスタの数の単位で測定されます。（b）





クミの法則-計算単位あたりのエネルギー効率、ビット/（s *ジュール）を反映します。（c）システムの「インテリジェンス」、電力、サイズ、およびコストを含む牧本指数-MIPS /（W * mm3 * $）の単位で測定。そして、（d）のMIPS /（S * W *立方ミリメートル* $）：CLEARは、牧本スコアや新技術の導入に関連した経済的コストに加えて、アカウントにシステム待ち時間をとる、（4）式で定義された得点します。 Photonic CLEARデータは、Intelによるシリコンフォトニクスの予測に基づいています。破線は、初期成長率に基づく線形フィット（対数）を表し、年間の生産性は2倍になります。



著者によると、5要素インジケーターCLEAR（その名前はCapability-to-Latency-Energy-Amount-Resistanceの略語を表します）は、コンピューティングテクノロジーの出現の最初から始まる、既知の歴史的期間にわたるコンピューティングパフォーマンスの進化を説明するのにはるかに信頼性があります。 1940年代に。そして現在まで。この指標は、コンピューティングのさまざまなオプションの開発ペースに関連する物理的要因と経済的要因の両方をカバーしています。したがって、CLEARは、基本的な物理的依存性と経済的依存性の両方を含むため、テクノロジーに依存しない定量的指標として使用できます。



観察と分析に基づいて、著者は2つの重要な結論を導き出します。

• , ;
• ( ) , (.. CLEAR) ( ) .

基本的な物理学の進歩、半導体技術の管理、および経済的コストは、コンピューティングシステムの技術を進歩的に進歩させるために絶え間ない変化と適応を必要とします。半導体業界の創設以来、ムーアの法則は根本的な要因を数回変更しました。トランジスタのカウントから、ダイサイズの制約とシステム全体の複雑さの増大により、業界はフットプリントとトランジスタのスケーリングに拡大しています（最初の移行）（ここを参照）。



2番目のジャンプは、デナードのスケーリング則によって記述された電力密度散逸制約のためにクロック周波数が限界を見つけたときに発生しました（ここを参照））。トランジスタのスケーリングが基本的な物理的限界に近づくにつれ、マルチコアおよび大規模並列の異種アーキテクチャに実装された並列処理により、この時点でトランジスタの数は増え続けています。これにより、相互接続のボトルネックが増加し、チップの特定の領域（「ダークシリコン」）を無効にする必要が生じます。したがって、成長率は、12か月ごとの最初の倍増から現在は約24か月に変化しています。



最近、コンピューティングシステムの進化に影響を与えるまったく異なる分野から新しい推進力が出現しました。これは、統合フォトニクスとハイブリッドナノフォトニクスであり、光信号のルーティングはパッシブ統合フォトニックコンポーネントによって実行され、電気光学アクティブコンポーネントは新しいソリューションによって増幅されます。

• 再構成可能な材料;
• 光とプラズモニクスまたはフォトニクスENZ（epsilion-near-zero）などの物質との強力な相互作用により、チップとコアの2つのレベルで従来の電子機器を超えるデータリンクと帯域幅が提供されます（ここを参照）。

これらの新しいテクノロジーでは、実際のパフォーマンスの変化をより正確に反映していないため、チップ上のコンポーネントの数をカウントしたり、フットプリントとコストを個別のメトリックとしてスケーリングしたりすることはできません。また、光通信で使用される技術など、異なる波長の複数の信号が同じ物理チャネルにパックされ、ハードウェアの使用率が向上する他の技術が出現する傾向も非常に重要です。これは、システムパフォーマンスを評価する上で重要な要素です。したがって、コンピューティングシステムの進化に対するさまざまな技術ソリューションの貢献を正確に比較するために、複数の推進力を考慮に入れた全体的なメトリックが必要です。

コンピューティングシステムの進化の単一の指標

テクノロジーに依存しないメトリックを取得するために、著者は1940年代以降のデスクトップ、ラップトップ、モバイルデバイス、サーバー、ワークステーション、およびスーパーコンピューターのパフォーマンスに関するデータを収集し、それらを従来のメトリックと比較しました（図1）。



特に、ムーアの法則はトランジスタの数を唯一の十分な要因として取りますが（式1）、クミの法則はすでにエネルギーと計算数の2つの要因に依存しているため、ビット/（s * J）で測定されるインジケータの基礎を要約します（式2）。サイズ-コスト-電力単位あたりの1秒あたり数百万の命令（MIPS）は、Makimotoメトリックとして知られており、すでに4要素メトリックとして定義されています（式3）。



ムーアの法則=トランジスタの数[数量] （1）



久美の法則=計算/エネルギー[ビット/（s * J）] （2）



牧本スコア=インテリジェンス/（サイズ*コスト*パワー）[MIPS /（mm3 * $ * W）] （3）



これら3つの指標の値は同様の成長パターンを示しています：上昇傾向は元のデータを適切に追跡しますが、限られた期間のみであり、最終的にはそれらから逸脱します。これは、根本的な要因が、コンピューティングシステムの進化を支配する実際の推進力を完全に捉えることができなかったことを示唆しています。



図のトレンドラインの分析。図1は、元々（1950年代から1960年代）のトランジスタの数が、ムーアの年間成長率の2倍の法則をよく反映していることを示しています（薄緑色の破線、図1）。ただし、次の期間（1960年代から1970年代）には、チップのサイズと複雑さによってトランジスタを追加するだけで制限されるため、エネルギー効率のスケーリング（つまり、久美の法則）が支配的な要因になりました。このため、ムーアの法則は2倍/年の傾向から逸脱し始めましたが、牧本の法則は依然として元の成長率を維持していました。 1970年代後半以降、著しく複雑な製造プロセス、エネルギー漏れ、熱放散の問題により、サイズや電力スケーリングなどの要素が徐々に限界に達しました。並列処理（マルチコアプロセッサ）の出現と市場での経済的スケーリングに伴い、牧本の指標も最終的には逸脱します（1978年以降）。図に示す点線。 1は、各法律の生産性向上の初期予測を表しています。これらのトレンドラインは、それぞれの法律によって導入された各追加要因が、元の予測からの偏差として示される、独自の元の予測メトリックにどのように影響するかを示しています。この傾向を技術開発の速度の理論上の上限と見なすことにより、「主張された」傾向が実際に「実際」であるかどうかを理解することが可能になりました。つまり、現在の法律が技術開発の減速の理由であるのか、それとも生産性の新しい要因が支配的になり始めているのか。また拒否されました（1978年以降）。図に示す点線。 1は、各法律の生産性向上の初期予測を表しています。これらの傾向線は、対応する法律によって導入された各追加要因が、元の予測からの偏差として示される、それ自体の元の予測メトリックにどのように影響するかを示しています。この傾向を技術開発の速度の理論上の上限と見なすことにより、「主張された」傾向が実際に「実際」であるかどうかを理解することが可能になりました。つまり、現在の法律が技術開発の減速の理由であるのか、それとも生産性の新しい要因が支配的になり始めているのか。また拒否されました（1978年以降）。図に示す点線。 1は、各法律の生産性向上の初期予測を表しています。これらの傾向線は、対応する法律によって導入された各追加要因が、元の予測からの偏差として示される、それ自体の元の予測メトリックにどのように影響するかを示しています。この傾向を技術開発の速度の理論上の上限と見なすことにより、「主張された」傾向が実際に「実際」であるかどうかを理解することが可能になりました。つまり、現在の法律が技術開発の減速の理由であるか、生産性の新しい要因が支配し始めています。関連する法律によって導入された各追加要因が、元の予測からの偏差として示される、それ自体の元の予測メトリックにどのように影響するか。この傾向を技術開発の速度の理論上の上限と見なすことにより、「主張された」傾向が実際に「実際」であるかどうかを理解することが可能になりました。つまり、現在の法律が技術開発の減速の理由であるのか、それとも生産性の新しい要因が支配的になり始めているのか。関連する法律によって導入された各追加要因が、元の予測からの偏差として示される、それ自体の元の予測メトリックにどのように影響するか。この傾向を技術開発の速度の理論上の上限と見なすことにより、「主張された」傾向が実際に「実際」であるかどうかを理解することが可能になりました。つまり、現在の法律が技術開発の減速の理由であるのか、それとも生産性の新しい要因が支配的になり始めているのか。現在の法律が技術開発の減速の理由であるか、それとも生産性の新しい要因が支配し始めているかどうか。現在の法律が技術開発の減速を引き起こしているのか、それとも生産性の新しい要因が支配し始めているのか。



したがって、これまでのところ、次のような明確な既知の指標はありません。

• 最近のパフォーマンスの変化を説明する。

• 将来のパフォーマンスを予測するためのガイダンスを提供します。

著者によって導入されたCLEARメトリックには、物理​​的制約と経済的制約の両方を含むさまざまなテクノロジーオプションからのパフォーマンス要因が含まれています。著者の主な主張は、CLEARを構成する要素はランダムに選択されるのではなく、技術的および経済的傾向の基本であるということです



。CLEAR =能力/（遅延*エネルギー*量*抵抗）[[MIPS /（s * W * mm3 * $）]] （4）



またはオリジナル：



CLEAR =（機能）/（レイテンシー*エネルギー*量*抵抗）[[MIPS /（s * W * mm3 * $）]]



CLEAR指標の公式を策定した著者は、コンピューティングシステムの進化を通じて一定の成長率を決定し、70年間で4桁のパフォーマンスの成長をカバーしています。さらに、実際に観察された発達速度は、12か月ごとに一貫して2倍になっています。この5要素スコアは、パフォーマンスとコストの概念に基づいています。 CLEARは、デバイス、スキーマ、およびシステムレベルで適用できます。



たとえば、システムレベルでは、CLEARは次のように構成されます。

機能Cは、1秒あたり数百万の命令（MIPS）と命令の長さの積で測定されるシステムパフォーマンスです。

最小遅延Lクロック周波数を指し、2つの隣接するクロックサイクル間の時間ウィンドウによって制限されます。

エネルギーEは、特定の電力を得るためにそのようなシステムが動作するためのエネルギー消費のレベルを表し、ワット単位で表されます。

量Aは、システムの空間ボリューム（つまり、物理サイズ）を表し、プロセス次元の関数です。

抵抗Rは、新技術の市場採用に対する経済的抵抗を定量化します。基本的に、著者は、総生産量と単価の関係を説明するボストンコンサルティンググループ（BCG）の経験曲線に基づく経済モデルを採用しています（ここを参照）。



著者らは、価格と時間の単位の対数スケールの間の線形関係を導き出し、次に、履歴データ（こことここを参照）をCLEARと比較することによってこの関係を確認します。



著者は、パフォーマンスの尺度としてのMIPSメトリックは、基礎となる命令セットに対する感受性のために、フローティングポイント操作（FLOPS）などのメトリックに置き換えられていることに注意しています。CLEARは、既知のベンチマークスイート（SPECやLINPACなど）では他のパフォーマンスメトリックが利用できない、さまざまなプロセッサアーキテクチャに適用されてきました。ただし、MIPSを代表的なパフォーマンスメトリックにするために、作成者は各命令にその長さを重み付け（つまり乗算）し、それによって相対的な全体的なメトリックをビット/秒で示します。

コンピュータシステム開発動向

図に示す4つの指標すべてを比較した後。1、メトリックに関連する要素が含まれている場合、元の傾向からの最初の逸脱は後で発生することがわかります。すべてのデータの完全一致を示すCLEARとは異なります。したがって、経験的に、計算パフォーマンスは一定の速度で毎年約2倍に増加し、テクノロジーに依存しないことがわかります。IBMが予測したように、統合フォトニクスに基づくものなどの新しいコンピューティングマシンをテストすると（ここを参照）、そのようなテクノロジーは、毎年2倍の成長で開発の進化トレンドを実際に継続できることがわかります（図1の赤い星）。



さらに、2X /年のトレンドラインからの相対偏差を使用して、コンピューティングシステムのメトリックを分類できることがわかります。たとえば、スーパーコンピューターの追加のオーバーヘッドコスト（つまり、物理的なサイズ、同時実行性、冷却、スケールの低経済性、製造コスト）は、ラップトップやモバイルデバイスなど、他のすべてのタイプのコンピューターと比較して、最悪のCLEAR値を示していますより高い生産性（点線の円、図1 c、d）。スーパーコンピューターで使用されるマルチコアテクノロジーの高度な並列処理は、計算からアムダールの法則で説明されているエネルギーに戻ることによって挑戦されてきました（ここを参照））。スーパーコンピューターはペタフロップのパフォーマンスを提供しますが、インフラストラクチャ全体は5〜30年前のコンピューターインフラストラクチャに似ており、そのスケーラビリティの将来に疑問を投げかけています。

明確な分析

5つのCLEAR要因のそれぞれの相対的な影響をより詳細に理解するために、著者はインジケーターを個々の要因に分解し、互いに反対にして、時間の経過に伴う実際の推進力を明らかにしました。



図で使用されている要素の組み合わせ。 2は、C対LEAR、CLE対AR、およびCLEA対Rを表します（図2、C =能力、L =遅延、E =エネルギー、A =量、R =抵抗）。さらに、半導体業界の初期の唯一のスケーリング係数はチップ上のコンポーネントの数であるため、除外率C 'が他のすべての係数と比較して示されています。各データポイントの相対位置は、X軸とY軸の両方の正確な値よりも重要であるため、両方の軸が1に正規化され、それぞれのケースを比較できることに注意することが重要です。



青と赤の影付きの領域は、それぞれ線形の成長領域と飽和領域を表しているため、X軸（相対時間）で考慮される要素の数が増えるにつれて、ピボットポイントが右に連続してシフトすることが簡単に検出されます。これを理解するために、X軸の係数はインジケーターの駆動力と見なすことができ、Y軸の値は問題の駆動力の実際の追跡条件を示します。したがって、線形ドメインとは、X軸上の要素が依然としてテクノロジーの開発を支配している一方で、テクノロジーの推進力が飽和ドメインに入ると他の要素にシフトし始めることを意味します。この結果は、コンピューティングシステムの進化が常にこの一定の速度で成長し、インジケーターとの不一致が発生するのは次の場合のみであるという観察結果と一致しています。他の原動力が現れるとき。





図2.CLEAR駆動力分析。

CLEARインジケーターは4つのグループに分けられ、それぞれが2つの部分で構成されます。技術開発の要因を示す係数（X軸）と、選択した要因または要因の組み合わせを追跡する機能を示す開示要因（Y軸）です。結果は、コンピューティングシステムのパフォーマンスを説明するためにより多くの要因が考慮されると、正規化された開発からのより遅い逸脱が観察されることを示しています。（a）とらえどころのない速度C '対遅延-エネルギー-量-コスト（LEAR）; （b）能力C対遅延-エネルギー-数量-コスト（LEAR）; （c）遅延エネルギー（CLE）対数量コスト（AR）の能力。（d）遅延-エネルギー-量能力（CLEA）対コストR。X軸とY軸は、比較しやすいように1に正規化されています。線形成長領域と飽和領域は、それぞれ青と赤の影で覆われています。

CLEARアプリケーション

さまざまなテクノロジーの進化をシームレスに追跡する機能により、CLEARが将来の技術的代替を予測し、たとえば電子機器とフォトニクスの間のハイブリダイゼーションを含む、将来のテクノロジーの標準を決定できることが重要です（ここ、ここ、ここ、ここを参照）。

技術の変化

インチップフォトニック相互接続は、アクティブなプラズモニックデバイスとハイブリッド化した場合に（従来の電気相互接続よりも優れた）高いデータ転送容量を最近示しました（ここを参照）。光データルーティングは、コンピューティングコア間の通信のボトルネックを解消するための可能なソリューションとして認識されており、データセンターやスーパーコンピューターで一般的に使用されていますが、統合フォトニクスはまだ主流の消費者セクターに実装されていません。以前の研究では、フォトン-プラズモンハイブリダイゼーションで優れた性能が示唆されているため、これは最初は驚くべきことのように思われます。それで問題は、なぜ統合フォトニクスがマスマーケット製品で使用されないのかということです。



この質問に答えるために、進化時間と信号伝搬距離に応じて、電子結合のCLEARとハイブリッド光子-プラズモン結合を比較してみましょう（図3）。ここで、光の操作は、プラズモニックな「アクティブな」ビルディングブロック（ソース、変調器、検出器、スイッチ）を使用して実行されます（こことここを参照））、光の伝播は、シリコンまたはシリコン窒化物プラットフォームに基づく低損失フォトニクスによって処理されます。プラズモン-フォトニックハイブリッドのアクティブ機能とパッシブ機能を分離すると、パフォーマンスが向上するため、エレクトロニクスはプラズモン-フォトンハイブリッドのこのバリアントと比較されます（つまり、待ち時間が短く、スループットが高く、ビットあたりのエネルギーが低くなります）。得られた表面曲線は、CLEARエレクトロニクスとプラズモンフォトニクスにブレークイーブンライン（表面の交差、図3）があり、時間と信号伝搬距離の両方でスケーリングされていることを示しています。興味深いことに、今日でも、電子機器は、情報転送長で1cmのチップサイズでフォトニクスよりも進んでいます。したがって、電子機器は、フォトニクスとは対照的に、依然として結晶上で商業的に使用されています。したがって、過去半世紀にわたる電子機器への投資と開発は、他の技術の技術的持続可能性（参入障壁）を生み出しました。このスケーリングにより、トランジスタのコストはフォトニックデバイスの10億分の1以下になりました。ここ）。図3.結合長と技術開発時間に応じた、チップ上の電気（青）およびハイブリッドフォトン-プラズモニック（赤）相互接続のCLEARインデックスの比較。チップサイズ= 1 cm、リンクの長さと書き込み年（2019）は赤でマークされています。次のモデルが展開されています。a）チップ上のトランジスタと光学デバイスの数に基づく帯域幅のモデル。これは、ムーアの法則の元のモデルと見なすことができます。b）ランダウアー限界kB * T * ln（2）≈2.75sJ/ビットによって制限されるクミの法則に基づくエネルギー効率モデル（kBはボルツマン定数、Tは温度）。で）





2019年までの技術開発モデルに基づく経済的持続可能性モデル。これによると、電子チャネルのコストは、ハイブリッドチャネルのコストの10億または100万分の1未満です。d）マルチコアアーキテクチャと電気的相互接続における「ダークシリコン」の制限を説明する同時実行モデル（2006年以降）。黄色の点は、Hybrid Plasmon-Photonicsテクノロジーがチップのサイズに到達し、チップ上で最高のCLEARパフォーマンスを示し始めた、2019年の2つのテクノロジーの交差点にあります。



技術と製造プロセスが向上するにつれて、少量の情報を送信するための1つの価格のブレークイーブン距離（つまり、CLEAR）は、フォトニクスと比較してエレクトロニクスのコスト曲線が平坦であるために縮小します。フォトニクスは、時間の経過とともに電力法に従います。さらに、電気的相互接続の密度のスケーリングに伴ってコストが上昇し始め、10 nm未満のトランジスタノードでの基本的な物理的問題による追加コストが発生します（ここを参照）。対照的に、ハイブリッドフォトン-プラズモニック相互接続は、米国統合フォトニクス製造研究所（AIM Photonics）の目標である初期スケーリングのため、現在コストがかかります。）。ナノフォトニクスの最近の進歩の結果として、スケーリングが可能になりました。光と物質の相互作用を強化するという概念により、光電子デバイスでコンパクトな波長を作成することが可能になり、電気容量が小さいため、エネルギー効率が高く、動作速度が速いという利点があります（ここを参照）。その結果、電子機器とハイブリッドフォトンプラズモンテクノロジーの間のブレークイーブン距離は、タイムラインに沿って移動するにつれて、さらに短い距離にシフトすると予想されます。たとえば、IBMが2015年に実証したCMOSベースのシリコンフォトニックチップは、ほぼ破綻しています（ここを参照））。統合フォトニクスは、そのCLEARパフォーマンスの速度がコンピューティングシステムの一般的な進化の傾向に追いつくことができる場合にのみ、電子機器を置き換えることができます。

結論

上記の理由からわかるように、CLEARは、その幅広い階層的適用性（デバイス、相互接続、システムレベル）だけでなく、特定の技術アプリケーションに適応する能力のために、普遍的な技術的および経済的指標と見なすことができます。たとえば、結晶内のネットワークハイブリダイゼーションの場合。 CLEARは、テクノロジープラットフォームの進化を予測するためのパフォーマンスメトリックとして使用できるだけでなく、式（4）の各要素に重みを追加することにより、さまざまな使用条件下でのテクノロジープラットフォームの全体的な機能を比較することもできます。



この最初に提案されたCLEARメトリックでは、5つの要素すべてがCLEAR値に線形に影響しますが、特定の要素（または要素の組み合わせ）に大きく依存する特定のアプリケーションでは、CLEARの各要素に異なる重みを付けることができます。比較可能性を確保するために、そのような「調整された」メトリック間でも、量子力学における波動関数の積分など、1に正規化するのと同様に、すべての係数の合計が5に等しいことを確認する必要がある場合があります。たとえば、ポータブルデバイスシステムには厳しいエネルギー（E）とボリューム（A）の制約があり、CLEARメトリックC 0.8 L 0.8 E 1.2 A 1.2 Rそのような技術のために。確かに、さまざまな調整されたメトリックからの傾向を、将来のテクノロジーを予測する機能と比較することは興味深いでしょう。



さらに、将来の通信チャネルまたはネットワークが動的に再構成可能であると認識できるため、チップは現在のアプリケーション、負荷、電力モードなどに応じて理想的な動作ポイントを変更できます。このような動的データ駆動型システム（DDDAS）それらを組み合わせた認知処理能力のために需要があります。コンピュータシステムの複数の制約への適応は、ニューロモーフィックコンピューティングやリザーバーコンピューティングなどの新しい情報理論システムと相乗効果を発揮することが期待されます。このシステムでは、「重み」の適応と調整により、機械学習、残差計算演算、さらには光学コンピューティングの埋め込みシリコンフォトニクスが可能になります。 （ここ、ここ、ここ、ここを参照）。



また、テクノロジープラットフォームのこれまでのすべての予測パフォーマンスメトリックで発生したように、新しいテクノロジーでより独自の物理的機能が使用されると、CLEARは最終的に元の傾向から逸脱し始める可能性があることにも注意してください。現在、CLEARは、最新のテクノロジーにおけるすべての主要なパフォーマンス要因を適切にカバーしているため、この記事の執筆時点でのコンピューティングシステムの進化を正確に予測することができます。



したがって、CLEARは、見通しをマッピングおよび予測するためのツールであるだけでなく、パフォーマンスとコストの間のトレードオフをリアルタイムで確認および最適化する、ハードウェアベースのスマートで認知的なコンピューター制御プラットフォームへの道を開くこともできます。



その結果、CLEARは新しいムーアの法則と見なすことができます。これは、階層アプリケーションのさまざまなレベルでの技術開発の傾向を統合的に反映しています。