Az elmúlt időszakban egyre nagyobb figyelmet kaptak az óriási AI adatközpontok, amelyek energia- és vízfogyasztása sokakat aggaszt. Meglepő fordulatot jelenthet a Snowcap Compute nevű, feltörekvő deeptech startup fejlesztése, amely egy teljes adatközpontot akár cipősdoboz méretűre próbál zsugorítani szupervezető technológia segítségével.
A videó izgalmas áttekintést ad a szupervezető számítástechnika történetéről, kiemelve az IBM 1960-as években végzett Josephson Junction alapú kísérleteit és azok kudarcát. Felmerülnek újabb próbálkozások, mint a japán és szovjet fejlesztések, valamint az RSFQ (Rapid Single Flux Quantum) és az ebből továbbfejlesztett RQL (Reciprocal Quantum Logic) logikai megközelítések. Ezek a technológiák hihetetlenül gyors működést és minimális hőtermelést ígérnek, de komoly mérnöki akadályokkal küzdenek, például a gyártástechnológia, a hőelvezetés, valamint a skálázhatóság terén.
Az egyik érdekes kérdés, hogyan lesz a Snowcap-technológia CMOS-barát, vagyis kompatibilis a hagyományos szilícium gyártósorokkal. További fontos problémakör a memóriakezelés: lehet-e elegendő kapacitást integrálni ilyen apró rendszerekbe, és vajon a jelenlegi SRAM vagy akár „cryo-DRAM” megoldások kielégítik-e a gépi tanulás memóriaigényét?
A fejlesztések során új anyagokat és áramellátási megoldásokat alkalmaznak, így például váltakozó áramú bias elosztást, amely forradalmasíthatja a fogyasztást és energiahatékonyságot. Felmerül, hogy ezek a technológiák hogyan skálázhatók nagy rendszerekben, és tényleg lehet-e adatszuperszámítógépet „cipősdobozba” sűríteni. A nézők előtt különböző mérnöki dilemmák, iparági akadályok és jövőbeli lehetőségek merülnek fel.
