Para ilmuwan di Massachusetts Institute of Technology (MIT) telah mendemonstrasikan metode inovatif untuk memproses data menggunakan limbah panas yang dihasilkan oleh perangkat elektronik. Daripada membuang panas sebagai produk sampingan, mereka malah merancang struktur silikon mikroskopis yang memanfaatkan energi panas untuk melakukan komputasi – sebuah konsep yang dapat merevolusi efisiensi energi dalam aplikasi berdaya tinggi seperti kecerdasan buatan.
Cara Kerja: Komputasi Analog dengan Panas
Penelitian yang dipublikasikan di Physical Review Applied ini merinci struktur silikon pasif yang secara tepat mengontrol distribusi panas di seluruh permukaan chip. Struktur ini tidak bergantung pada elektronik konvensional; sebaliknya, mereka memanfaatkan hukum alami konduksi panas untuk mengkodekan energi panas sebagai data. Pendekatan ini mewakili pergeseran ke arah komputasi analog, di mana nilai fisik kontinu (suhu, aliran panas) menggantikan biner 1 dan 0.
Hal penting : Tim ini pada dasarnya telah mengubah panas, yang secara tradisional dianggap sebagai produk limbah, menjadi bentuk informasi yang dapat digunakan.
Menghilangkan Sensor dan Meningkatkan Efisiensi
Inovasi tim MIT menawarkan beberapa potensi keuntungan. Pertama, hal ini dapat menghilangkan kebutuhan akan beberapa sensor suhu pada chip, sehingga mengurangi batasan ruang dan kompleksitas. Yang lebih penting lagi, teknik ini memungkinkan deteksi panas dan pengukuran suhu secara real-time tanpa meningkatkan konsumsi energi.
Hal ini sangat relevan untuk tugas-tugas komputasi berdaya tinggi, di mana pembangkitan panas yang berlebihan merupakan tantangan besar. Dengan menanamkan struktur ini ke dalam sistem mikroelektronik, para peneliti berharap dapat menjadikan beban kerja AI dan proses berat lainnya menjadi lebih hemat energi.
Dari Simulasi ke Realitas: Meningkatkan Teknologi
Dalam simulasi, struktur berhasil melakukan perkalian matriks-vektor dengan akurasi lebih dari 99%. Perkalian matriks merupakan hal mendasar dalam pembelajaran mesin dan pemrosesan sinyal, namun penskalaan pendekatan ini untuk tugas-tugas kompleks seperti model bahasa besar (LLM) akan memerlukan jutaan struktur silikon yang saling berhubungan.
Penelitian ini didasarkan pada pekerjaan MIT sebelumnya pada tahun 2022, yang berfokus pada perancangan bahan berstruktur nano yang mampu mengendalikan aliran panas. Tim tersebut kini menjajaki aplikasi dalam manajemen termal, deteksi sumber panas, dan pemantauan gradien suhu untuk mencegah kerusakan chip tanpa memerlukan daya tambahan.
“Sering kali, saat Anda melakukan komputasi pada perangkat elektronik, panas adalah produk limbahnya… Namun di sini, kami mengambil pendekatan sebaliknya dengan menggunakan panas sebagai bentuk informasi itu sendiri,” jelas Caio Silva, penulis utama studi tersebut.
Tujuan utamanya adalah untuk mengubah masalah teknik yang sudah lama ada – energi panas yang terbuang – menjadi sumber daya komputasi baru. Penelitian ini menunjukkan masa depan di mana perangkat tidak hanya memproses data, tetapi juga belajar dari panas yang dihasilkannya.
