如果电子设备通常试图排出的热量，也能做有用的工作，会怎样？
这正是由 MIT 卫士纳米技术研究所研究人员领导的一支团队所提出的一种新型模拟计算方法的出发点。研究人员不再把废热当作不需要的副产物，而是把它本身作为信息载体。
在原始报告所描述的系统中，输入数据并不是以电的二进制值编码，而是表示为一组基于设备中已经存在的热量的温度。这样的热信息会在微观硅结构中传递，而这些结构的几何形状由一种基于物理的优化算法设计。由此产生的热量分布和流动完成了计算，而输出则以另一端收集到的功率来表示。
这与传统逻辑形成了鲜明的反转。如今大多数计算系统依赖电力运行，然后又为其产生的热量所困扰。这项工作提出，某些类型的计算是否可以借助这些热量来完成，从而在特定应用中减少额外能量输入的需求。
研究人员演示了机器学习中使用的一项核心操作
研究团队利用这些硅结构执行了一种简单的矩阵向量乘法，这是一项位于机器学习系统核心的数学运算，包括大语言模型在内。根据原文，在许多情况下，其结果的准确率超过了 99%。
这种准确性值得注意，因为矩阵运算正是许多 AI 工作负载中占主导地位的那类重复性线性代数运算。原则上，任何能够高效执行这些运算的新方法都会受到关注。但研究人员并没有夸大他们所构建的东西。
原始报告明确指出，这项技术距离扩展到现代深度学习所使用的那种庞大系统还差得很远。把数百万个这样的热结构拼接在一起将带来巨大的工程挑战。随着矩阵变得更复杂，以及输入和输出端之间的距离增加，准确性也会下降。
因此，这并不是数字 AI 加速器的短期替代品。更合适的理解是，它证明了热模拟计算可以在受限条件下变得真实且准确。
为什么基于热量的模拟计算值得关注
它的吸引力在于能源逻辑。如果设备本来就在产生热量，而这些热量又能被用来执行传感或信号处理任务，那么部分计算负担就可以转移到现有的物理副产物上，而不必再额外消耗电能。
这在边缘设备、嵌入式电子设备以及热管理本来就是重要设计考量的系统中可能尤其重要。芯片或许可以直接把热流作为某些任务的运行基底，而不是再增加额外电路去测量或处理与温度相关的信息。
原始报告特别强调了一个最直接的可能性：热传感。研究人员表示，这项技术可以帮助检测有问题的热源，并在不额外耗能的情况下测量电子设备中的温度变化。它还可以减少多个温度传感器的需求，而这些传感器会占用宝贵的芯片面积。
这或许会成为更现实的首个应用。革命性的计算范式最早的价值，往往不是替代主流处理器，而是以比现有工具更好的方式解决一个更窄、更紧迫的问题。
电子设备内部热量的另一种看法
现代芯片设计通常把热量视为工程约束。过多的热量会降低性能、缩短元件寿命，并带来冷却成本。因此，主流目标是尽量减少、转移或散逸它。
这项研究采取了相反的立场。原文提到的首席作者 Caio Silva 指出，热量通常是电子计算的废弃产物。而在这里，团队把热量本身当作信息。
这种转变在概念上很重要。它表明，设备内部的热行为不仅是需要管理的问题，也是一种可以被塑造的资源。硅结构并不是通用通道，而是经过优化的几何形状，旨在让热流实现预期的变换。
从效果上看，材料布局成为了计算的一部分。结构一旦被制造出来，就会在物理上约束热量的扩散方式，使设备能够通过自身的热力学来求解预定运算。
限制确实存在，但机会同样存在
许多实验性的计算想法都会卡在一个聪明的概念验证与一个可制造、可扩展平台之间的鸿沟上。这项工作显然也面临这道鸿沟。原始报告指出了扩展、复杂性以及与距离相关的精度损失问题。这些都不是边缘细节，而是实验室结果与商业可行架构之间的分界线。
不过，这项研究也有几个值得持续关注的特征。首先，它在至少某些矩阵运算上展示了很高的准确率。其次，它依赖微观硅结构，这意味着它建立在半导体领域已经熟悉的材料和制造方法之上。第三，它瞄准的是一个日益突出的瓶颈：如何感知、管理并可能利用越来越密集的电子设备中的热行为。
即便基于热量的模拟计算永远不会成为通用 AI 引擎，它也可能在协处理器、芯片内诊断或专用的低能耗信号处理功能中占据一席之地。
为什么这在更广阔的计算格局中很重要
这项工作的意义，与其说是取代数字计算，不如说是扩展什么才算计算的范围。随着 AI 和其他数据密集型工作负载推高能源需求，研究人员正在重新审视模拟、光子、神经形态及其他非常规架构，以寻找效率提升。
这项由 MIT 领导的努力完全契合这一趋势。它提出，通常被视为损耗的热能，或许可以部分回收为功能。在芯片上每一瓦都至关重要的时代，这一想法在实践和哲学层面都具有吸引力。
原始报告并没有承诺一种不久后就能仅靠废热运行大型语言模型的处理器，也不应这样解读。它真正提供的是一个可信的证明：在特定任务中，热量可以被编码、引导并作为信息以高精度加以解释。
这也许足以开启一条新的研究方向。计算史上不乏这样的例子：一种最初很狭窄的技术，后来因为能异常出色地解决某个难题而变得有价值。废热计算也许会沿着这条路前进。它的最初影响，可能不是取代处理器，而是把芯片最烫手的负担变成一种新工具。
本文基于 MIT Technology Review 的报道。阅读原文。
Originally published on technologyreview.com
