La visione di Richard Feynman del 1959: la lezione che diede il via alla corsa per progettare su scala atomica

Il 29 dicembre 1959, il fisico Richard Feynman salì sul palco durante una riunione dell’American Physical Society al Caltech e delineò un futuro in cui gli ingegneri avrebbero lavorato su scale che, all’epoca, suonavano quasi assurde. In una conferenza poi nota come “There’s Plenty of Room at the Bottom”, sostenne che la fisica non ci proibiva di comprimere enormi quantità di informazione in spazi microscopici—fino al punto di collocare gli atomi esattamente dove vogliamo. Se la vita poteva immagazzinare le istruzioni operative di una cellula in un esile filamento di DNA, ragionava Feynman, allora anche la tecnologia umana avrebbe dovuto essere in grado di impacchettare la conoscenza in modo denso. Il vincolo non erano le regole della natura; era la nostra mancanza di strumenti.

Per gran parte del mezzo secolo successivo, l’industria sembrò confermare il suo ottimismo con una resistenza sorprendentemente scarsa. Il transistor—l’interruttore on/off di base su cui poggiano i chip moderni—ha continuato a rimpicciolirsi. E, man mano che lo faceva, più transistor entravano nella stessa area, e i computer diventavano al tempo stesso più piccoli, più veloci e più economici. Macchine che un tempo richiedevano una stanza piena di hardware si spostarono sulle scrivanie, poi nelle tasche e, infine, sui polsi.

Quell’epoca di progresso relativamente “facile” ora sta vacillando. Uno dei sintomi più visibili è la crescita esplosiva dei data center. Si prevede che sei dei maggiori hyperscaler—aziende che gestiscono le più grandi infrastrutture di cloud e calcolo per l’AI—spenderanno quest’anno oltre $700 miliardi in infrastrutture di calcolo. Questa cifra è circa il doppio del record stabilito nel 2025. L’investimento si riversa in nuovi edifici e apparecchiature—calcestruzzo, rame e silicio—con un ritmo che sta mettendo sotto pressione la velocità con cui le reti elettriche riescono a fornire energia.

Questa espansione produce guadagni nel modo più semplice possibile: installando più hardware di quello che sappiamo già costruire. Il problema più silenzioso è che il tipo di progresso che storicamente rendeva ogni generazione di chip drasticamente migliore sta rallentando.

Diverse celebri “leggi” che un tempo descrivevano miglioramenti esponenziali non mantengono più il loro vecchio ritmo. La legge di Moore—l’osservazione secondo cui la densità di transistor sul silicio cresce in modo prevedibile nel tempo—ha decelerato. Il Dennard scaling, che sosteneva che la densità di potenza potesse rimanere grosso modo costante man mano che i transistor si rimpicciolivano, si è inceppato, lasciando calore e consumo energetico come vincoli rigidi. La legge di Koomey, che traccia l’aumento di lungo periodo dei calcoli per joule, sta perdendo slancio. La legge di Kryder, che seguiva i rapidi incrementi della densità di archiviazione magnetica, si è quasi bloccata. E anche la legge di Keck, associata alla crescita della quantità di informazione che una singola fibra ottica standard può trasmettere, si sta appiattendo.

Eppure queste non sono leggi inviolabili della natura. Sono andamenti che hanno retto finché specifici approcci ingegneristici hanno continuato a funzionare. I confini più profondi—i limiti ultimi imposti dalla meccanica quantistica, dalla relatività generale e dalla teoria dell’informazione—sono ancora ben oltre ciò che i data center di oggi si trovano ad affrontare. In sostanza, le tendenze di scaling descrivono la distanza che l’informatica ha già percorso verso il piccolo e l’efficiente; la fisica fondamentale descrive il margine di manovra che resta.

Esplorare questi limiti può rimanere pratico, anche se alcuni sono irraggiungibili per l’industria ordinaria. I tentativi di costruire sistemi proof-of-concept vicino a un confine fisico possono svolgere un duplice ruolo: possono scardinare paradigmi tecnologici rimasti bloccati e, al tempo stesso, funzionare come esperimenti che mettono alla prova la nostra comprensione dell’universo.

Lo stesso Feynman cercò di stimolare quel tipo di invenzione con una coppia di premi da $1,000, offerti di tasca propria. Uno dei riconoscimenti sarebbe andato a chiunque fosse riuscito a costruire un motore elettrico funzionante più piccolo di un cubo con lato di appena 0,4 millimetri. Si aspettava che l’impresa richiedesse una microtecnologia fondamentalmente nuova. Invece, circa un anno dopo, l’ingegnere William McLellan, formato al Caltech, si presentò con un minuscolo motore funzionante. Il dispositivo pesava circa un quarto di milligrammo, aveva dimensioni all’incirca pari a un granello di sabbia ed era stato assemblato meticolosamente a mano sotto un microscopio, usando uno stuzzicadenti e il tornio di un orologiaio.

Perché è importante

L’informatica sta entrando in un’era in cui una quota crescente delle capacità deriva dalla scala—ingenti spese in conto capitale e infrastrutture affamate di elettricità—più che da guadagni “senza sforzo” a livello di chip. Questo cambiamento riguarda chiunque dipenda dai servizi cloud e dall’AI, dalle imprese ai consumatori, perché costi e vincoli energetici diventano centrali. Le prossime svolte potrebbero arrivare da nuove architetture e approcci guidati dalla fisica che vadano oltre il consueto copione dello scaling.