全面散热（二）

量子电脑有机会成为终极的散热问题解决方案。

Richard Feynman最原始的概念是以量子的方法解决量子问题，首先讲究的是效能。现在耗电最凶的人工智能（AI）服务器相关应用，在量子电脑上也都有其相应的量子AI演算法，速度相对于现有的传统AI运算都是平方加速（quadratic speedup）、甚至是指数加速（exponential speedup）。

量子电脑计算速度快自然耗能小，逸出的废热就更少。这是量子计算于散热问题上的第一重好处。 
 
Feynman第二篇谈论量子计算的文献主题，是量子计算是可逆的（reversible），这是与散热直接相关的议题。 
 
传统的二进位逻辑闸运算，譬如AND gate，输入有2个位元，但是输出只有1个位元，也就是说传统的二进位计算过程可能会丧失信息，而丧失信息意味着熵值增加，这就是废热的来源。 
 
量子计算的操作基本上是以微波来控制、转变量子位元的状态（state），计算起始的量子位元数目与计算完成的量子位元数目是一样的，因此没有信息的丧失。量子计算的可逆性基本上是说如果从计算完成的量子位元反着步骤计算，可以回复出起始的量子位元状态。这种可逆性只存在于熵值不增加的计算过程中。也就是说，先姑且不论量子计算的周边线路和冷却需求所可能产生的废热，量子计算的核心部分理论上是不会生废热的。这是量子计算于散热问题上的第二重好处。 
 
量子计算另一个优点较少被提到：量子计算也是存储器计算。

所有的量子计算都在停留在一组量子位元上反复操作，毋需将信息挪动到缓存存储器（buffer memory）上—其实目前也没有量子存储器可用。量子位元本身既是处理器，也是存储器本身，这就是存储器计算，自然不会产生搬运信息产生的焦耳热，绝大部分的量子位元属于此一类型。 
 
唯一的例外是光子量子位元。光子在运算时的确会在矽光子的模块上处理，信息的确会在光源和传感器中被传输。但是如上文矽光子一段所述，光子的传输理论上也不会生焦耳热的。因此目前困扰半导体业的焦耳热问题，在量子计算的过程中只存在于其周边线路，并不构成主要问题。 

这是量子计算于散热问题上的第三重好处。 
 
半导体发展迄今，摩尔定律的推进以及先进封装的应用，持续增益芯片系统的效能。但由于单位时间内所处理的数据量益发庞大，而芯片的集积度亦同时大幅提高，散热效率提升的需求更加迫切，从芯片、模块、系统各层次的散热方式必须同时于设计时就开始考虑。可以考虑的空间包括线路设计、材料使用、封装方式、外加的散热机制（水冷式封装就是这样进场的！）等，乃至变更基础的计算架构与原理。 
 
废热处理已成计算设备各层级工程的共同瓶颈，我们需要散热总动员！