Científicos del Instituto Tecnológico de Massachusetts (MIT) han demostrado un método innovador para procesar datos utilizando el calor residual generado por dispositivos electrónicos. En lugar de descartar el calor como subproducto, han diseñado estructuras microscópicas de silicio que aprovechan la energía térmica para realizar cálculos, un concepto que podría revolucionar la eficiencia energética en aplicaciones de alta potencia como la inteligencia artificial.
Cómo funciona: Computación analógica con calor
La investigación, publicada en Physical Review Applied, detalla las estructuras pasivas de silicio que controlan con precisión la distribución del calor a través de la superficie de un chip. Estas estructuras no dependen de la electrónica convencional; en cambio, aprovechan las leyes naturales de la conducción del calor para codificar la energía térmica como datos. Este enfoque representa un cambio hacia la computación analógica, donde los valores físicos continuos (temperatura, flujo de calor) reemplazan los 1 y 0 binarios.
Conclusión clave : Básicamente, el equipo ha convertido el calor, tradicionalmente considerado un producto de desecho, en una forma utilizable de información.
Eliminación de sensores y aumento de la eficiencia
La innovación del equipo del MIT ofrece varias ventajas potenciales. En primer lugar, podría eliminar la necesidad de múltiples sensores de temperatura en los chips, reduciendo las limitaciones de espacio y la complejidad. Más importante aún, la técnica permite la detección de calor y la medición de temperatura en tiempo real sin aumentar el consumo de energía.
Esto es particularmente relevante para tareas informáticas de alta potencia, donde la generación excesiva de calor es un desafío importante. Al incorporar estas estructuras en sistemas microelectrónicos, los investigadores esperan hacer que las cargas de trabajo de IA y otros procesos exigentes sean más eficientes energéticamente.
De la simulación a la realidad: escalando la tecnología
En las simulaciones, las estructuras realizaron con éxito la multiplicación de matrices y vectores con más del 99% de precisión. La multiplicación de matrices es fundamental para el aprendizaje automático y el procesamiento de señales, pero ampliar este enfoque para tareas complejas como los modelos de lenguajes grandes (LLM) requeriría millones de estructuras de silicio interconectadas.
La investigación se basa en trabajos anteriores del MIT de 2022, que se centraron en el diseño de materiales nanoestructurados capaces de controlar el flujo de calor. El equipo ahora está explorando aplicaciones en gestión térmica, detección de fuentes de calor y monitoreo de gradiente de temperatura para evitar daños en los chips sin requisitos de energía adicionales.
“La mayoría de las veces, cuando se realizan cálculos en un dispositivo electrónico, el calor es el producto de desecho… Pero aquí hemos adoptado el enfoque opuesto al utilizar el calor como una forma de información en sí misma”, explica Caio Silva, autor principal del estudio.
El objetivo final es transformar un problema de ingeniería de larga data (la energía térmica desperdiciada) en un nuevo recurso computacional. Esta investigación sugiere un futuro en el que los dispositivos no sólo procesan datos, sino que aprenden del mismo calor que producen.
