電子機器が通常は捨てようとする熱が、有用な仕事をできるとしたらどうだろうか。
それが、MITのInstitute for Soldier Nanotechnologiesの研究者らが率いるチームによって報告された新しいアナログ計算手法の出発点だ。研究者রাは廃熱を不要な副産物として扱うのではなく、それ自体を情報の担い手として利用した。
元のレポートで説明されているシステムでは、入力データは電気的な二進値として符号化されない。代わりに、装置内にすでに存在する熱に基づく一連の温度として表される。この熱情報は、物理ベースの最適化アルゴリズムによって設計された幾何形状を持つ微細なシリコン構造を通って伝わる。その結果生じる熱の分布と流れが計算を実行し、出力は反対側で集められた電力として表される。
これは従来の論理を印象的に反転させたものだ。現代の計算システムの多くは電気で動き、その後で自ら生み出す熱に苦労している。この研究は、特定の種類の計算がその熱に乗る形で行えるのではないかと問いかけている。そうなれば、特定の用途では追加のエネルギー投入を減らせるかもしれない。
研究者らは機械学習で使われる中核演算を実証した
チームはシリコン構造を使って、行列ベクトル積という単純な形式の演算を行った。これは大規模言語モデルを含む機械学習システムの中核にある数学演算だ。元の本文によれば、多くの場合で結果の精度は99パーセントを超えていた。
この精度が注目に値するのは、行列演算こそが多くのAIワークロードを支配する反復的な線形代数だからだ。原理的には、それらを効率的に実行できる新しい方法はどれも注目を集める。しかし研究者らは、自分たちが構築したものを誇張しないよう慎重だ。
元のレポートは、この手法が現代の深層学習で使われるような巨大なシステムへスケールさせる段階にはまだ程遠いことを明確にしている。こうした熱構造を何百万個も並べるには、かなりの工学的課題がある。また、行列が複雑になるほど、入力端子と出力端子の距離が長くなるほど、精度は低下する。
したがって、これはデジタルAIアクセラレータの近い将来の代替ではない。むしろ、熱アナログ計算が限定条件下で現実的かつ高精度になりうることを示した実証として理解するのが適切だ。
熱ベースのアナログ計算がなぜ興味深いのか
魅力はエネルギーの論理にある。装置がすでに熱を発していて、その熱をセンシングや信号処理のタスクに利用できるなら、計算負荷の一部を既存の物理的副産物に乗せられる。追加の電力を必要としない可能性がある。
それは、エッジデバイス、組み込み電子機器、そして熱管理自体が重要な設計課題であるシステムで特に重要かもしれない。温度関連の情報を測定・処理するために追加回路を載せる代わりに、チップは熱流そのものを特定のタスクの動作基盤として使えるかもしれない。
元のレポートが特に即効性のある可能性として挙げているのが熱センサーだ。研究者らは、この手法が問題のある熱源を検出し、電子機器内の温度変化を追加エネルギーを消費せずに測定するのに役立つ可能性があると述べている。また、貴重なチップ面積を占有する複数の温度センサーの必要性を減らせるかもしれない。
それが最初の現実的な用途になる可能性が高い。革新的な計算パラダイムは、主流のプロセッサを置き換えることで最初の価値を見出すのではなく、既存のツールよりも狭く切実な問題をうまく解決することで価値を持つことが多い。
