Binance
ByBit
WhiteBIT
Команда MIT розробила спосіб перетворювати надлишкове тепло у джерело обчислювальної потужності. Спеціальні кремнієві мікроструктури кодують вхідні дані у вигляді температур і, керуючи розтіканням тепла, виконують математичні операції. У чисельних експериментах ці структури здійснили множення матриці на вектор із точністю понад 99 відсотків. Потенційно це відкриває шлях до енергоощадних рішень у мікроелектроніці та нових інструментів теплової діагностики.
Що саме зробили в MIT
Дослідники запропонували метод обчислень, де інформація закладається у температурні профілі, а результат зчитується як потужність на виході, який підтримують при сталому температурному режимі. Обчислення відбуваються завдяки керованій теплопровідності кремнію – це різновид аналогові обчислення, де сигнали мають неперервні значення, а не дискретні біти.
Ключовий показник – здатність виконувати базову операцію для систем штучного інтелекту: множення матриці на вектор. Саме на ній тримаються великі мовні моделі та більшість сучасних алгоритмів машинного навчання.
Інверсний дизайн: коли геометрія і є алгоритмом
Команда використала підхід інверсний дизайн: спершу задається бажана математична функція, а далі алгоритми підбирають геометрію пористих кремнієвих блоків, схожих за розміром на пилинку. Програмна система працює по сітці «пікселів» матеріалу, ітераційно змінюючи форму й розміщення пор, доки структура не наблизиться до заданого перетворення.
Тепло, проходячи через такий масив, автоматично «здійснює» потрібне перетворення: геометрія кодує коефіцієнти матриці. Через фізичні закони теплопровідності виникла межа – безпосередньо можна кодувати лише додатні коефіцієнти. Інженери обійшли обмеження, розділивши цільову матрицю на додатну та від’ємну частини, оптимізувавши для кожної окремі структури та віднявши результати на виході.
Додаткове налаштування – зміна товщини кремнієвих блоків: товстіші елементи проводять тепло краще, що розширює діапазон реалізованих матриць. Окремий алгоритм стежить, щоб у геометрії не з’являлися «аномальні» деталі та щоб наближення було якнайточнішим.
Результати і межі підходу
У комп’ютерних симуляціях структури справилися з простими матрицями на 2-3 стовпці, досягаючи точності понад 99 відсотків у багатьох випадках. Такі розміри вже корисні для діагностики процесів у мікроелектроніці та контролю плазми у проєктах термоядерного синтезу.
Водночас масштабування до рівня сучасних глибинних моделей потребує кардинально більшої системи – знадобиться з’єднати мільйони окремих структур у масиви. Зі зростанням складності матриць зменшується точність, особливо коли зростає відстань між вхідними і вихідними клемами. Є й фізичні межі: пристрої мають обмежена пропускна здатність, яку доведеться суттєво розширювати для задач глибинного навчання.
Навіщо це мікроелектроніці прямо зараз
Оскільки метод спирається на надлишкове тепло, він природно підходить для завдань керування температурою на чипі. Структури можуть виявляти локальні джерела нагріву та градієнти температур без додаткового енергоспоживання – і без мережі розосереджених термодатчиків, що економить місце на кристалі.
Для індустрії це означає раннє виявлення ризиків: температурні градієнти спричиняють теплове розширення, деградацію інтерконектів і відмови компонентів. Вбудовані теплові «обчислювачі» можуть стати інструментом швидкої діагностики і превентивного захисту систем.
- Кремнієві мікроструктури з пористою геометрією виконують перетворення через керовану теплопровідність.
- Демонстровано множення матриці на вектор у симуляціях із точністю понад 99 відсотків.
- Опрацьовано матриці на 2-3 стовпці; для більших розмірів точність знижується з віддаленням клем.
- Проблему від’ємних коефіцієнтів вирішено розділенням матриці на додатну та від’ємну частини з подальшим відніманням результатів.
- Товщина елемента налаштовується – товстіші структури краще проводять тепло і розширюють набір реалізованих матриць.
- Найближчі застосування – теплове керування мікроелектронікою, виявлення точок перегріву та моніторинг градієнтів температур.
- Масштабування до рівня ШІ потребує масивів із мільйонів елементів та збільшення смуги пропускання.
Місце серед альтернатив: не лише електрони
Робота MIT доповнює ширший тренд до енергоефективних аналогових прискорювачів – від фотонних матричних множників до мемристорних масивів. На відміну від них, тепловий підхід не потребує зовнішнього джерела сигналу: він «підхоплює» те, що зазвичай вважають відходами, і використовує це для обчислень.
Попереду – розробка послідовних ланцюжків обробки, де вихід однієї структури стає входом наступної, а також поява програмованих блоків, здатних кодувати різні матриці без повного редизайну. Саме така композиція необхідна, щоб підібратися до робочих навантажень ШІ.
