Silikon Mulai Mentok, Inilah Teknologi yang Bisa Menggantikannya

Keunggulan silikon selama ini berasal dari kemampuannya menjadi bahan semikonduktor yang relatif murah, melimpah, dan dapat diproduksi secara massal. Namun, silikon harus dimurnikan hingga tingkat kemurnian yang sangat tinggi sebelum dapat digunakan untuk membuat chip.

Masalah yang lebih mendasar muncul ketika transistor dibuat semakin kecil. Pada skala atom, elektron dapat menembus penghalang yang seharusnya menahannya melalui fenomena quantum tunneling. Kebocoran tersebut meningkatkan konsumsi energi dan menghasilkan panas.

Persoalan panas kemudian menciptakan batas lain. Kecepatan clock prosesor telah lama berada pada kisaran beberapa gigahertz karena meningkatkan frekuensi secara terus-menerus berarti meningkatkan panas yang harus dibuang.

Situasi tersebut menjadi semakin serius di era AI. Pusat data membutuhkan energi dalam jumlah besar, bukan hanya untuk menjalankan prosesor, tetapi juga untuk sistem pendinginan yang menjaga perangkat keras tetap berada pada temperatur aman.

Ledakan AI memperlihatkan kelemahan lain dari arsitektur komputasi konvensional. Model AI modern membutuhkan operasi matematika dalam jumlah sangat besar sehingga pusat data harus mengerahkan ribuan hingga jutaan unit komputasi secara paralel.

Akibatnya, persoalan efisiensi energi menjadi sama pentingnya dengan kecepatan pemrosesan. Jika pertumbuhan AI terus berlangsung dengan arsitektur yang sama, kebutuhan listrik pusat data dapat meningkat secara signifikan dalam beberapa tahun mendatang.

Kondisi tersebut memunculkan paradoks. Manusia sedang membangun mesin untuk menghasilkan kecerdasan dengan konsumsi energi sangat besar, sementara otak manusia mampu menjalankan fungsi kognitif yang kompleks dengan konsumsi daya sekitar 20 watt.

Perbedaan tersebut mendorong ilmuwan mencari paradigma komputasi yang tidak sekadar membuat transistor lebih kecil, tetapi juga mengubah cara informasi diproses.

Salah satu pendekatan datang dari material dua dimensi. Peneliti MIT mengembangkan transistor berbasis molibdenum disulfida atau MoS? yang memiliki struktur sangat tipis, hanya tiga atom.

Ketebalan tersebut memberikan karakteristik penting ketika transistor harus beroperasi pada skala sangat kecil. Material dapat membentuk lapisan yang sangat tipis tanpa harus mempertahankan struktur silikon konvensional yang semakin sulit diperkecil.

Yang menarik, teknologi ini tidak harus langsung membuang infrastruktur silikon yang sudah ada. Metode pertumbuhan suhu rendah memungkinkan lapisan material atomik ditumbuhkan di atas wafer silikon yang telah tersedia.

Konsep tersebut membuka kemungkinan skyscraper chip, yaitu menumpuk lapisan komputasi secara vertikal seperti gedung pencakar langit. Pendekatan ini dapat meningkatkan kepadatan komputasi tanpa harus selalu memperkecil transistor secara horizontal.

Material alternatif lainnya berasal dari karbon. Peneliti MIT berhasil membuat mikroprosesor 16-bit yang mengintegrasikan lebih dari 14.000 transistor berbasis tabung nanokarbon.

Yang membuat demonstrasi ini penting bukan hanya jumlah transistornya, tetapi kemampuannya menjalankan perangkat lunak. Prosesor tersebut bahkan berhasil mengeksekusi program sederhana yang menghasilkan pesan hello world.

Demonstrasi seperti ini menunjukkan bahwa material alternatif tidak hanya harus memiliki karakteristik fisik yang menarik. Agar benar-benar menggantikan silikon, teknologi tersebut harus mampu membentuk sistem komputasi yang dapat diprogram dan diproduksi secara konsisten.

Pendekatan lain tidak berusaha membuat silikon yang lebih baik, tetapi mengubah arsitektur komputasinya. Sandia National Laboratories mengembangkan sistem neuromorfik bernama Hollow Point yang terinspirasi dari cara otak manusia bekerja.

Komputer konvensional umumnya memisahkan lokasi pemrosesan dan penyimpanan memori. Data harus bergerak bolak-balik di antara keduanya, menciptakan apa yang dikenal sebagai memory wall.

Arsitektur neuromorfik berusaha mengurangi hambatan tersebut dengan menempatkan pemrosesan dan memori secara lebih dekat atau bahkan terintegrasi. Sistem tidak harus terus-menerus bekerja berdasarkan siklus clock, tetapi dapat aktif ketika menerima sinyal baru.

Hasilnya adalah pendekatan komputasi yang lebih hemat energi untuk jenis tugas tertentu. Dalam pengujian yang disampaikan, sistem tersebut menunjukkan peningkatan kecepatan hingga puluhan kali dan efisiensi energi hingga sekitar 100 kali pada beban kerja tertentu.

Perubahan yang lebih radikal datang dari komputasi fotonik. Jika komputer konvensional menggunakan pergerakan elektron untuk membawa dan memproses informasi, prosesor fotonik menggunakan cahaya.

Dalam pendekatan ini, gelombang cahaya dikendalikan melalui waveguides untuk menjalankan operasi matematika, termasuk perkalian matriks yang menjadi komponen penting dalam AI.

Salah satu keunggulan cahaya adalah kemampuannya membawa banyak jalur informasi secara paralel. Berbagai panjang gelombang atau warna cahaya dapat digunakan untuk membawa informasi berbeda dalam sistem yang sama.

Karena itu, komputasi fotonik berpotensi mengurangi persoalan panas dan meningkatkan throughput untuk aplikasi tertentu. Dalam demonstrasi yang dibahas, chip fotonik bahkan mampu menjalankan model AI nyata dengan akurasi lebih dari 92 persen.

Namun, teknologi ini masih menghadapi tantangan integrasi, produksi, dan penerapan pada sistem komputasi umum.

Salah satu material yang paling menarik dalam perlombaan pasca-silikon adalah kubik boron arsenida. Penelitian gabungan University of Houston dan MIT menunjukkan bahwa material ini memiliki kemampuan menghantarkan panas yang sangat tinggi.

Konduktivitas termalnya dilaporkan mencapai sekitar 1.300 W/mK, jauh di atas silikon yang berada di kisaran 150 W/mK dan bahkan lebih tinggi daripada tembaga yang sekitar 400 W/mK.

Boron arsenida juga menarik karena mampu membawa elektron dan holes dengan karakteristik yang lebih seimbang. Dalam silikon, mobilitas elektron dan holes memiliki perbedaan yang cukup besar.

Kombinasi kemampuan menghantarkan panas dan membawa muatan membuat boron arsenida menjadi salah satu kandidat menarik untuk generasi semikonduktor berikutnya. Meski demikian, keunggulan di laboratorium belum otomatis berarti material tersebut siap diproduksi secara massal.

Perlombaan meninggalkan silikon bukan semata-mata persoalan menemukan material yang lebih unggul. Silikon memiliki ekosistem manufaktur global yang dibangun selama puluhan tahun.

Sebuah fasilitas manufaktur chip modern dapat membutuhkan investasi hingga puluhan miliar dolar. Selain itu, industri telah memiliki rantai pasok, mesin, tenaga ahli, standar desain, dan proses produksi yang sangat matang.

Karena itu, sebuah material baru harus mengalahkan bukan hanya silikon secara fisik, tetapi juga biaya, kemampuan produksi, reliabilitas, dan kompatibilitas dengan infrastruktur yang sudah ada.

Sejarah semikonduktor bahkan menunjukkan bahwa material terbaik secara teori belum tentu menjadi teknologi dominan. Silikon menjadi sangat kuat karena kombinasi performa, biaya, kelimpahan, dan kemampuan industri untuk memproduksinya dalam skala besar.

Persoalan tersebut menjadi semakin strategis karena manufaktur chip canggih dunia terkonsentrasi di wilayah tertentu. Ketergantungan tersebut menciptakan risiko ekonomi dan keamanan ketika terjadi konflik geopolitik atau gangguan rantai pasok.

Selain lokasi produksi chip, bahan mentah juga menjadi faktor penting. Galium dan germanium, misalnya, memiliki peran dalam sejumlah teknologi semikonduktor dan rantai pasoknya sangat dipengaruhi oleh kebijakan perdagangan global.

Amerika Serikat merespons tantangan tersebut melalui berbagai investasi penelitian, termasuk program DARPA Electronics Resurgence Initiative serta pendanaan melalui Chips and Science Act.

Tujuannya bukan hanya menemukan chip yang lebih cepat, tetapi membangun pilihan teknologi yang dapat mengurangi ketergantungan terhadap satu material, satu teknologi manufaktur, atau satu pusat produksi.

Kemungkinan besar, perubahan tidak akan terjadi dalam bentuk satu material langsung menggantikan silikon secara keseluruhan. Masa depan komputasi justru mungkin berupa kombinasi berbagai pendekatan.

Silikon masih dapat digunakan sebagai fondasi, sementara material dua dimensi ditambahkan di atasnya. Fotonik dapat menangani komunikasi dan operasi tertentu, neuromorfik digunakan untuk AI hemat energi, sementara material seperti boron arsenida dikembangkan untuk mengatasi persoalan panas.

Dengan kata lain, era berikutnya mungkin bukan post-silicon yang berarti silikon menghilang, melainkan era beyond silicon, ketika silikon tidak lagi menjadi satu-satunya fondasi komputasi.

Setelah puluhan tahun menjadi raja industri semikonduktor, silikon kini menghadapi tiga tekanan sekaligus: batas fisik transistor, kebutuhan energi AI yang terus meningkat, dan risiko geopolitik rantai pasok.

Berbagai alternatif mulai bermunculan, dari material setebal tiga atom dan tabung nanokarbon hingga prosesor neuromorfik, komputasi fotonik, dan kristal kubik boron arsenida. Masing-masing menawarkan jawaban berbeda terhadap masalah yang tidak dapat diselesaikan hanya dengan memperkecil transistor silikon.

Namun, teknologi baru belum otomatis memenangkan perlombaan. Tantangan sebenarnya adalah mengubah terobosan laboratorium menjadi teknologi yang murah, stabil, dapat diproduksi massal, dan mampu membangun ekosistem sebesar industri silikon.

Jika itu berhasil, revolusi komputasi berikutnya mungkin tidak datang dari transistor yang lebih kecil, tetapi dari pertanyaan yang jauh lebih mendasar: apakah komputer masa depan memang harus bekerja seperti komputer hari ini?

FAQ

1. Mengapa silikon mulai menghadapi batas dalam perkembangan chip? Pengecilan transistor mendekati skala atom sehingga efek seperti quantum tunneling, kebocoran elektron, dan panas menjadi semakin sulit dikendalikan.
2. Apa saja teknologi yang berpotensi melampaui silikon? Beberapa pendekatan yang sedang dikembangkan meliputi material dua dimensi, nanokarbon, komputasi neuromorfik, komputasi fotonik, dan material semikonduktor seperti kubik boron arsenida.
3. Apa keunggulan komputasi neuromorfik? Komputasi neuromorfik berusaha meniru cara kerja otak dengan mengintegrasikan pemrosesan dan memori sehingga dapat meningkatkan efisiensi energi untuk jenis tugas tertentu.
4. Mengapa komputasi fotonik dianggap menjanjikan untuk AI? Komputasi fotonik menggunakan cahaya untuk membawa dan memproses informasi secara paralel sehingga berpotensi meningkatkan kecepatan sekaligus mengurangi persoalan panas pada beban kerja tertentu.
5. Apakah silikon akan segera ditinggalkan? Belum. Silikon masih memiliki ekosistem manufaktur yang sangat matang, sehingga material baru harus membuktikan keunggulan bukan hanya secara fisik, tetapi juga dalam biaya, produksi massal, reliabilitas, dan integrasi sistem.