Ученые из Массачусетского технологического института (MIT) продемонстрировали прорывной метод обработки данных с использованием отходящего тепла, производимого электронными устройствами. Вместо того чтобы выбрасывать тепло как побочный продукт, они разработали микроскопические кремниевые структуры, которые преобразуют тепловую энергию в вычисления — концепция, которая может революционизировать энергоэффективность в высокопроизводительных приложениях, таких как искусственный интеллект.
Как Это Работает: Аналоговые Вычисления с Использованием Тепла
Исследование, опубликованное в журнале Physical Review Applied, описывает пассивные кремниевые структуры, которые точно контролируют распределение тепла по поверхности чипа. Эти структуры не полагаются на традиционную электронику; вместо этого они используют естественные законы теплопроводности для кодирования тепловой энергии в виде данных. Этот подход знаменует переход к аналоговым вычислениям, где непрерывные физические величины (температура, тепловой поток) заменяют двоичные 1 и 0.
Главный вывод : команда фактически превратила тепло, традиционно считавшееся отходом, в полезную форму информации.
Устранение Датчиков и Повышение Эффективности
Инновация команды MIT предлагает несколько потенциальных преимуществ. Во-первых, она может устранить необходимость в многочисленных датчиках температуры на чипах, уменьшив пространственные ограничения и сложность. Что более важно, эта техника позволяет осуществлять обнаружение и измерение температуры в режиме реального времени без увеличения энергопотребления.
Это особенно актуально для высокопроизводительных вычислительных задач, где чрезмерное выделение тепла является серьезной проблемой. Встраивая эти структуры в микроэлектронные системы, исследователи надеются сделать рабочие нагрузки ИИ и другие ресурсоемкие процессы более энергоэффективными.
От Моделирования к Реальности: Масштабирование Технологии
В моделировании структуры успешно выполняли умножение матриц на векторы с точностью более 99%. Умножение матриц является фундаментальным для машинного обучения и обработки сигналов, но масштабирование этого подхода для сложных задач, таких как большие языковые модели (LLM), потребует миллионов взаимосвязанных кремниевых структур.
Исследование основано на предыдущей работе MIT 2022 года, которая была сосредоточена на разработке наноструктурированных материалов, способных контролировать тепловой поток. Команда сейчас изучает приложения в области теплового управления, обнаружения источников тепла и мониторинга градиентов температуры для предотвращения повреждения чипов без дополнительных требований к мощности.
«В большинстве случаев, когда вы выполняете вычисления в электронном устройстве, тепло является побочным продуктом… Но здесь мы использовали обратный подход, используя тепло как форму информации», — объясняет Кайо Силва, ведущий автор исследования.
Конечная цель — превратить давнюю инженерную проблему — потерянную тепловую энергию — в новый вычислительный ресурс. Это исследование предполагает будущее, где устройства не просто обрабатывают данные, а учатся на тепле, которое они производят.
