Троичный транзистор: деньги будут - вы держитесь

Троичный переключающий элемент — это полупроводниковый прибор, способный устойчиво работать в трёх состояниях: положительный потенциал (+1), отрицательный потенциал (-1) и состояние равновесия (0, когда перепад потенциалов отсутствует и ток не течёт). В отличие от бинарного транзистора, который используется только в двух режимах (открыт/закрыт), троичный элемент физически воплощает все три состояния симметричной троичной логики.

С точки зрения физики и математики троичная электроника не требует никаких фундаментальных прорывов. Все "проблемы", которые часто упоминаются в дискуссиях о троичной логике, на самом деле являются инженерными задачами. И здесь работает простая логика: если физика полупроводников позволила решить эти задачи для бинарной системы, она позволит решить их и для троичной. Вопрос не в принципиальной возможности, а в инвестициях и времени.

Инженерные задачи троичной электроники и их бинарные аналоги

1. Двуполярное питание

Задача: Троичному элементу требуется источник напряжения, способный менять полярность (или два источника разной полярности).

Бинарный аналог: Операционные усилители десятилетиями работают с двуполярным питанием (±15В, ±5В) во всей аналоговой электронике. Аудиоусилители, измерительные приборы, системы управления — везде используется двуполярное питание.

Вывод: Если в 1960-х годах смогли создать надёжные источники двуполярного питания для миллионов устройств, в 2020-х смогут создать их и для троичных элементов. Задача имеет отработанные подходы к решению, хотя требует адаптации к цифровой схемотехнике.

2. Симметричная проводимость

Задача: Троичный элемент должен одинаково проводить ток в обоих направлениях.

Бинарный аналог: Комплементарные структуры (CMOS) — p-тип и n-тип транзисторы работают симметрично в каждом современном процессоре. Да, подвижность носителей разная, но инженерные решения (размеры транзисторов, легирование) позволяют достичь функциональной симметрии.

Вывод: Если удалось создать симметричные комплементарные структуры для миллиардов бинарных чипов, можно создать и симметричный троичный элемент. Это вопрос инженерной адаптации, а не физической невозможности.

3. Управление направлением тока

Задача: Нужно управлять не просто "включить/выключить", а "вперёд/назад/стоп".

Бинарный аналог: H-мосты в силовой электронике, драйверы моторов, реверсивные приводы — переключение направления тока является стандартной задачей в миллионах устройств: от электромобилей до промышленных роботов.

Вывод: Схемы управления с тремя состояниями (вперёд/назад/стоп) отработаны до совершенства. Их адаптация к троичной логике — инженерная задача, а не фундаментальная проблема.

4. Различение трёх состояний

Задача: Контроллер должен надёжно различать три уровня сигнала вместо двух.

Бинарный аналог: Современные аналого-цифровые преобразователи (АЦП) различают тысячи уровней напряжения (16-битные, 24-битные АЦП). Да, это внешние измерительные приборы, но они демонстрируют: физика позволяет различать множество уровней с высокой точностью.

Вывод: Если 24-битный АЦП различает 16 миллионов уровней, то различить три уровня — тривиальная задача. Вопрос в интеграции этой схемы внутрь каждого троичного элемента при высокой скорости и низкой энергии, но это инженерная задача масштабирования, а не принципиальная невозможность.

5. Устойчивость состояний

Задача: Элемент должен устойчиво держать состояние без постоянной подпитки.

Бинарный аналог: Ячейки памяти (SRAM, DRAM, Flash, MRAM) удерживают состояние от миллисекунд до десятилетий. Флэш-память в вашем смартфоне хранит данные годами без питания.

Вывод: Технологии энергонезависимой памяти существуют и развиваются. Адаптация их к троичной логике (три устойчивых состояния вместо двух) — это инженерная задача, которая имеет известные подходы к решению, хотя требует дополнительной работы над надёжностью и скоростью.

6. Помехоустойчивость

Задача: Три уровня сигнала в том же диапазоне напряжений означают меньший зазор между ними по сравнению с бинарной системой.

Бинарный аналог: Дифференциальные линии передачи, экранирование, помехоустойчивое кодирование используются повсеместно — от USB до Ethernet.

Вывод: Да, зазор между тремя уровнями меньше, чем между двумя. Но это компенсируется: 1) более высокой плотностью информации (меньше элементов на ту же задачу), 2) существующими методами защиты от помех, 3) возможностью использовать больший диапазон напряжений там, где это критично. Это компромисс, а не тупик.

Почему троичная логика — это не просто "ещё одна система счисления"

Троичная система даёт не только математическую элегантность, но и практические преимущества для всей электроники:

• Меньше элементов на ту же информацию: Один трит = 1,58 бита. Это значит меньшая площадь чипа и дешевле производство (при условии, что троичные схемы не окажутся слишком сложными).
• Проще арифметика: Троичная арифметика не требует дополнительного кода для отрицательных чисел, округление сводится к усечению. Это потенциально меньше переключений и меньше энергопотребления.
• Быстрее сравнение: Операция сравнения двух чисел может выполняться за один такт благодаря симметрии {-1, 0, +1}. Это потенциально выше быстродействие.
• Работа с неопределённостью: Трёхзначная логика (отличная от уравновешенной троичной системы счисления) позволяет состоянию "0" означать "неизвестно". Это даёт системе возможность честно говорить "недостаточно данных" вместо генерации ложных предсказаний.

Это делает троичную электронику перспективной для устройств, питающихся от аккумуляторов: смартфоны, ноутбуки, электромобили, носимые устройства, IoT-сенсоры. Улучшение энергоэффективности даже на 20-30% означает часы дополнительного времени работы или меньший вес батареи.

Подробнее о физических и химических различиях между современными ИИ-системами и биологическим мозгом читайте в статье: ИИ и мозг: физика и химия.

От теории к практике: вопрос инвестиций

Все перечисленные задачи — это чисто инженерные доработки и доводки. Никаких новых физических принципов, никаких невозможных материалов, никаких фундаментальных препятствий.

Но здесь возникает ключевое различие между теорией и практикой:

В математике и физике достаточно теоретических решений на бумаге. Доказательство теоремы или вывод уравнения — это завершённая работа.

В инженерии теории недостаточно. Нужны реальные опыты, эксперименты, прототипы, итерации. А это значит — деньги.

Историческая параллель: как бинарная система стала стандартом

Бинарная логика прошла путь от теории к практике в середине XX века. Именно тогда на эксперименты с электронными вычислительными машинами были выделены колоссальные деньги — военные бюджеты США и Великобритании.

Первые электронные компьютеры (такие как Colossus, использовавшийся для взлома шифров) создавались для военных задач. Государства вложили миллионы долларов (огромные суммы по тем временам) в эксперименты с бинарной электроникой.

Эти инвестиции создали:

• Производственную инфраструктуру
• Кадры и экспертизу
• Стандарты и инструменты (EDA-системы)
• Целую индустрию полупроводников

Бинарная система победила не потому, что она математически лучше троичной (экономичность троичной системы счисления выше). Она победила потому, что получила деньги первой и создала вокруг себя инерцию развития, подкреплённую простотой, надёжностью и естественностью двух состояний для физических приборов.

Современность: кто будет инвестировать в троичную электронику?

Сейчас мы наблюдаем аналогичную ситуацию, но с другим источником финансирования. Индустрия искусственного интеллекта тратит десятки миллиардов долларов на вычислительную инфраструктуру:

• Обучение больших языковых моделей требует гигаватт энергии
• Дата-центры потребляют электричество как небольшие города
• Стоимость одного чипа для ИИ (NVIDIA H100, B200) — десятки тысяч долларов
• Совокупные инвестиции в AI-инфраструктуру — сотни миллиардов долларов

Эта индустрия кровно заинтересована в более эффективных вычислительных системах. Любое улучшение энергоэффективности на 20-30% означает миллиарды долларов экономии.

Но кто конкретно будет инвестировать в троичную электронику? Вот реалистичные кандидаты:

Полупроводниковые компании

• Intel: Программа IDM 2.0, инвестиции в новые технологии ($20 млрд на новые фабрики)
• TSMC: Лидер в производстве чипов, постоянно ищет следующее поколение технологий
• Samsung: Активные исследования в области нейроморфных вычислений
• IBM: Десятилетия исследований в области квантовых и нейроморфных вычислений

Государственные программы

• DARPA (США): Программа Electronics Resurgence Initiative (ERI) — $1.5 млрд на следующие поколения электроники
• EU Chips Act: €43 млрд на развитие полупроводниковой индустрии в Европе
• CHIPS and Science Act (США): $52 млрд на исследования и производство полупроводников

AI-компании

• Google (DeepMind): Активные исследования в области эффективных архитектур ИИ
• OpenAI: Заинтересованы в снижении стоимости обучения моделей
• Meta, Amazon, Microsoft: Строят собственные дата-центры и чипы для ИИ

Деньги есть. Интерес есть. Вопрос в том, кто первым рискнёт на троичную логику.

Параллель с ранним ИИ: от прототипа к индустрии

Вспомним историю современного ИИ. В 2012 году AlexNet (свёрточная нейросеть для распознавания изображений) потребовала относительно небольших инвестиций — несколько миллионов долларов на GPU и исследования. Но именно этот прототип доказал, что глубокое обучение работает.

В 2017 году Transformer (архитектура GPT) потребовал уже десятков миллионов долларов. Но к 2023 году индустрия ИИ выросла до сотен миллиардов долларов инвестиций.

Логика проста: сначала кто-то рискует на прототип, потом индустрия масштабирует успех.

Для троичной электроники нужно то же самое:

• Первый этап: Прототип троичного чипа (десятки миллионов долларов)
• Второй этап: Доказательство преимуществ на реальных задачах (сотни миллионов)
• Третий этап: Масштабирование производства (миллиарды)

Кто-то должен рискнуть первым. Для троичной электроники это может быть DARPA, Intel, или венчурный фонд, специализирующийся на deep tech.

О стадиях развития ИИ и их сравнении с человеческим познанием читайте в статье: Три стадии ИИ: сравнение с человеком.

Параллель с TRON: когда инженерное решение есть, но денег нет

Эта ситуация напоминает мне разработку с технологией точного прогнозирования силы, места и времени землетрясений TRON.

Инженерное решение есть. Мультимодальный анализ данных (поведение животных, исторические паттерны) позволяет строить гипотезу, что с помощью животных можно прогнозировать землетрясения за часы и дни.

Но денег на практическое тестирование гипотезы нет. Пару сотен тысяч евро (цена золотого унитаза) на тестирование нет. И в то же время человечество продолжает тратить миллиарды долларов на создание систем раннего оповещения, которые дают выигрыш по времени прихода толчка в 40 секунд. Сорок секунд против сорока часов.

Почему? Потому что системы раннего оповещения — это консервативная технология. Она понятна, она вписывается в существующую инфраструктуру, она не требует изменения парадигмы мышления. TRON — это зарывающая технология, которая оставляет всю традиционную наблюдательную сейсмологию за бортом. И поэтому денег нет. Пока.

Но как только произойдёт крупное землетрясение в одном из мегаполисов Средиземноморья или Тихоокеанского побережья с тысячами жертв — деньги найдутся. Внезапно появятся фонды, гранты, венчуры, бизнес-ангелы, для кого 200 000 - 300 000 евро вполне подъёмная сумма.

Жалко только, что для этого должны погибнуть тысячи ни в чём не повинных людей, включая маленьких детей.

Готов ответить на любые вопросы

Борис Д. Яровой

Email: avatarabo@gmail.com
Skype, MAX, SMS: +7 902 064 4380 (писать, не звонить)