Тепло, которое электронные устройства обычно выделяют как побочный продукт, чаще всего считается проблемой. Но группа учёных под руководством Джузеппе Романо (Giuseppe Romano), исследователя из Института нанотехнологий для солдата при Массачусетском технологическом институте (MIT), нашла способ использовать это тепло для обработки данных — без привлечения электричества.

Как работает вычисление на тепле

В этой аналоговой системе данные кодируются не в виде бинарных 1 и 0, а через температуры, основанные на уже существующем отходном тепле устройства. Тепло перемещается по крошечным кремниевым структурам, форму которых учёные оптимизировали с помощью специального алгоритма, учитывающего физические законы.

Этот тепловой поток и становится основой вычислений. Результат определяется по количеству энергии, собранной на выходе.

Тест: умножение матрицы на вектор

Исследователи применили свою систему для выполнения умножения матрицы на вектор — одной из ключевых математических операций, лежащих в основе моделей машинного обучения (machine learning), включая большие языковые модели (LLM). В ряде случаев точность вычислений превысила 99%.

Ограничения и перспективы

Пока метод работает на простых задачах. Чтобы масштабировать его под современные нейросети, нужно решить ряд проблем — например, как эффективно соединить миллионы таких структур в единую систему. С ростом сложности матриц точность снижается, особенно если вход и выход находятся далеко друг от друга.

Однако уже сейчас технология может найти практичесное применение. Например, для выявления «горячих точек» в электронике и отслеживания температурных изменений — без затраты дополнительной энергии и без установки множества датчиков, которые сейчас занимают место на чипах.

«Обычно, когда мы проводим вычисления в электронных устройствах, тепло становится побочным продуктом. Мы стараемся избавиться от него. А здесь мы пошли в противоположную сторону — стали использовать тепло как форму информации», — говорит Кауо Силва (Caio Silva), студент физического факультета MIT и ведущий автор статьи об исследовании.

Heat generated by electronic devices is usually a problem, but a team led by Giuseppe Romano, a research scientist at MIT’s Institute for Soldier Nanotechnologies, has found a way to use it for data processing that doesn’t rely on electricity.

In this analog computing method, input data is encoded not as binary 1s and 0s but as a set of temperatures based on the waste heat already present in a device. The flow and distribution of that heat through tiny silicon structures, designed by a physics-based optimization algorithm they developed, forms the basis of the calculation. Then the output is represented by the power collected at the other end.

The researchers used these structures to perform a simple form of matrix vector multiplication, the fundamental mathematical technique machine-learning models like large language models use to process information and make predictions. The results were more than 99% accurate in many cases.

The researchers still have to overcome many hurdles to scale up this computing method for modern deep-learning models, such as the challenges involved in tiling millions of these structures together. As the matrices become more complicated, the results also become less accurate, especially when there is a large distance between the input and output terminals. 

But the technique could also have a more immediate use: detecting problematic heat sources and measuring temperature changes in electronics without consuming extra energy. This would also eliminate the need for multiple temperature sensors that can currently take up space on a chip.

“Most of the time, when you are performing computations in an electronic device, heat is the waste product,” says Caio Silva, an undergraduate student in the Department of Physics and lead author of a paper on the work. “You often want to get rid of as much heat as you can. But here, we’ve taken the opposite approach by using heat as a form of information itself.”