全面散熱（二）

量子電腦有機會成為終極的散熱問題解決方案。

Richard Feynman最原始的概念是以量子的方法解決量子問題，首先講究的是效能。現在耗電最兇的人工智慧（AI）伺服器相關應用，在量子電腦上也都有其相應的量子AI演算法，速度相對於現有的傳統AI運算都是平方加速（quadratic speedup）、甚至是指數加速（exponential speedup）。

量子電腦計算速度快自然耗能小，逸出的廢熱就更少。這是量子計算於散熱問題上的第一重好處。 
 
Feynman第二篇談論量子計算的文獻主題，是量子計算是可逆的（reversible），這是與散熱直接相關的議題。 
 
傳統的二進位邏輯閘運算，譬如AND gate，輸入有2個位元，但是輸出只有1個位元，也就是說傳統的二進位計算過程可能會喪失訊息，而喪失訊息意味著熵值增加，這就是廢熱的來源。 
 
量子計算的操作基本上是以微波來控制、轉變量子位元的狀態（state），計算起始的量子位元數目與計算完成的量子位元數目是一樣的，因此沒有訊息的喪失。量子計算的可逆性基本上是說如果從計算完成的量子位元反著步驟計算，可以回復出起始的量子位元狀態。這種可逆性只存在於熵值不增加的計算過程中。也就是說，先姑且不論量子計算的週邊線路和冷卻需求所可能產生的廢熱，量子計算的核心部分理論上是不會生廢熱的。這是量子計算於散熱問題上的第二重好處。 
 
量子計算另一個優點較少被提到：量子計算也是記憶體計算。

所有的量子計算都在停留在一組量子位元上反復操作，毋需將訊息挪動到緩存記憶體（buffer memory）上—其實目前也沒有量子記憶體可用。量子位元本身既是處理器，也是記憶體本身，這就是記憶體計算，自然不會產生搬運訊息產生的焦耳熱，絕大部分的量子位元屬於此一類型。 
 
唯一的例外是光子量子位元。光子在運算時的確會在矽光子的模組上處理，訊息的確會在光源和感測器中被傳輸。但是如上文矽光子一段所述，光子的傳輸理論上也不會生焦耳熱的。因此目前困擾半導體業的焦耳熱問題，在量子計算的過程中只存在於其周邊線路，並不構成主要問題。 

這是量子計算於散熱問題上的第三重好處。 
 
半導體發展迄今，摩爾定律的推進以及先進封裝的應用，持續增益晶片系統的效能。但由於單位時間內所處理的資料量益發龐大，而晶片的集積度亦同時大幅提高，散熱效率提升的需求更加迫切，從晶片、模組、系統各層次的散熱方式必須同時於設計時就開始考慮。可以考慮的空間包括線路設計、材料使用、封裝方式、外加的散熱機制（水冷式封裝就是這樣進場的！）等，乃至變更基礎的計算架構與原理。 
 
廢熱處理已成計算設備各層級工程的共同瓶頸，我們需要散熱總動員！