ยังคงมีวิธีใหม่ๆ ในการเร่งความเร็วอย่างมาก ไม่ใช่แค่บาคาร่าเฉพาะคันเร่งเท่านั้น แต่ยังรวมถึงชิปเอนกประสงค์ด้วย Tom Conte นักวิทยาศาสตร์คอมพิวเตอร์ที่ Georgia Tech ในแอตแลนตา ซึ่งเป็นผู้นำโครงการ IEEE Rebooting Computing Initiative ชี้ไปที่กระบวนทัศน์สองประการ อย่างแรกคือการนำยิ่งยวด ซึ่งชิปทำงานที่อุณหภูมิต่ำพอที่จะขจัดความต้านทานไฟฟ้า
กระบวนทัศน์ที่สองคือการคำนวณแบบย้อนกลับ
ซึ่งบิตจะถูกนำกลับมาใช้ใหม่แทนที่จะถูกไล่ออกเป็นความร้อน ในปี 1961 Rolf Landauer นักฟิสิกส์ของ IBM ได้รวมทฤษฎีสารสนเทศและอุณหพลศาสตร์ซึ่งเป็นฟิสิกส์ของความร้อนเข้าด้วยกัน เขาตั้งข้อสังเกตว่าเมื่อลอจิกเกตรับสองบิตและเอาท์พุทหนึ่ง มันจะทำลายบิต ขับมันเป็นเอนโทรปีหรือสุ่มในรูปแบบของความร้อน เมื่อทรานซิสเตอร์หลายพันล้านตัวทำงานที่หลายพันล้านรอบต่อวินาที ความร้อนที่สูญเสียไปจะเพิ่มขึ้น และเครื่องต้องการไฟฟ้ามากขึ้นสำหรับการประมวลผลและการทำความเย็น Michael Frank นักวิทยาศาสตร์คอมพิวเตอร์ที่ Sandia National Laboratories ใน Albuquerque ซึ่งทำงานเกี่ยวกับการคำนวณแบบย้อนกลับได้เขียนไว้ในปี 2017 ว่า “โดยพื้นฐานแล้วคอมพิวเตอร์ทั่วไปคือเครื่องทำความร้อนไฟฟ้าราคาแพงซึ่งเกิดขึ้นเพื่อคำนวณจำนวนเล็กน้อยเป็นผลข้างเคียง”
แต่ในการคำนวณแบบย้อนกลับ ลอจิกเกตมีเอาต์พุตมากเท่ากับอินพุต ซึ่งหมายความว่าถ้าคุณรันลอจิกเกทในทางกลับกัน คุณสามารถใช้ พูด สามบิตออกเพื่อรับสามอินบิต นักวิจัยบางคนได้คิดค้นเกทลอจิกแบบย้อนกลับและวงจรที่ไม่เพียงแต่สามารถบันทึกเอาต์บิตพิเศษเหล่านั้นเท่านั้น แต่ยังนำกลับมาใช้ใหม่สำหรับการคำนวณอื่นๆ นักฟิสิกส์ Richard Feynman ได้สรุปว่า นอกเหนือจากการสูญเสียพลังงานระหว่างการส่งข้อมูลแล้ว ไม่มีการจำกัดประสิทธิภาพในการคำนวณทางทฤษฎี
Conte กล่าวว่าผสมผสานการคำนวณแบบย้อนกลับและตัวนำยิ่งยวดเข้าด้วยกัน
และ “คุณได้รับคำสาปแช่งสองเท่า” การประมวลผลที่มีประสิทธิภาพช่วยให้คุณทำงานบนชิปตัวเดียวกันได้มากขึ้นโดยไม่ต้องกังวลเรื่องการใช้พลังงานหรือการสร้างความร้อน Conte กล่าวว่าในที่สุดวิธีใดวิธีหนึ่งหรือทั้งสองวิธี “อาจเป็นกระดูกสันหลังของการคำนวณจำนวนมาก”
นักวิจัยยังคงพัฒนาเทคโนโลยีใหม่ๆ สำหรับทรานซิสเตอร์ ส่วนประกอบการประมวลผลอื่นๆ การออกแบบชิป และกระบวนทัศน์ของฮาร์ดแวร์: โฟโตนิกส์สปินทรอนิกส์ ชีวโมเลกุล ท่อ นาโนคาร์บอน แต่องค์ประกอบและสถาปัตยกรรมในปัจจุบันยังคงสามารถขจัดออกไปได้อีกมากเพียงแค่ปรับโค้ดให้เหมาะสม
ตัวอย่างเช่น ในบทความเรื่อง Scienceปี 2020 นักวิจัยได้ศึกษาปัญหาง่ายๆ ของการคูณเมทริกซ์สองตัวซึ่งเป็นตารางของตัวเลขที่ใช้ในคณิตศาสตร์และการเรียนรู้ของเครื่อง การคำนวณดำเนินไปเร็วกว่า 60,000 เท่าเมื่อทีมเลือกภาษาการเขียนโปรแกรมที่มีประสิทธิภาพและปรับโค้ดให้เหมาะสมสำหรับฮาร์ดแวร์พื้นฐาน เมื่อเทียบกับโค้ดมาตรฐานในภาษา Python ซึ่งถือว่าใช้งานง่ายและเรียนรู้ได้ง่าย
Neil Thompson นักวิทยาศาสตร์การวิจัยของ MIT ซึ่งเป็นผู้ร่วมเขียนบทความในScienceได้ร่วมเขียนบทความเกี่ยวกับการปรับปรุงในอดีตของอัลกอริทึม ชุดคำสั่งที่ใช้ตัดสินใจตามกฎที่กำหนดโดยมนุษย์ สำหรับงานต่างๆ เช่น การจัดเรียงข้อมูล “สำหรับอัลกอริธึมส่วนน้อยจำนวนมาก” เขากล่าว “ความก้าวหน้าของพวกเขาเร็วหรือเร็วกว่ากฎของมัวร์”
ผู้คนรวมทั้งมัวร์ได้ทำนายจุดจบของกฎของมัวร์มานานหลายทศวรรษ ความคืบหน้าอาจช้าลง แต่นวัตกรรมของมนุษย์ทำให้เทคโนโลยีเคลื่อนไหวอย่างรวดเร็วบาคาร่า
