Разработаны кремниевые вычислительные структуры, использующие избыточное тепло вместо электричества

В основе расчётов лежит поток и распределение тепла в специально разработанном материале. Затем на выходе измеряется мощность, собранная на другом конце, который представляет собой термостат с фиксированной температурой.

Результаты исследования опубликованы в журнале Physical Review Applied.

В основе расчётов лежит поток и распределение тепла в специально разработанном материале. Затем на выходе измеряется мощность, собранная на другом конце, который представляет собой термостат с фиксированной температурой.

Эта работа стала возможной благодаря ранее разработанной исследователями программной системе, которая позволяет автоматически создавать материал, способный проводить тепло определённым образом.

Используя метод, называемый обратным проектированием, эта система переворачивает традиционный инженерный подход с ног на голову. Сначала исследователи определяют желаемую функциональность, а затем система с помощью мощных алгоритмов итеративно разрабатывает оптимальную геометрию для решения задачи.

Они использовали эту систему для создания сложных кремниевых структур, каждая из которых примерно такого же размера, как частица пыли, и которые могут выполнять вычисления с помощью теплопроводности. Это разновидность аналоговых вычислений, при которых данные кодируются, а сигналы обрабатываются с использованием непрерывных значений, а не цифровых битов, которые могут быть только 0 или 1.

Исследователи загружают в свою программную систему спецификации матрицы чисел, которая представляет собой конкретное вычисление. Используя сетку, система создаёт набор прямоугольных кремниевых структур, заполненных крошечными порами. Система постоянно корректирует каждый пиксель в сетке, пока не получит желаемую математическую функцию.

Тепло распространяется по кремнию таким образом, что происходит матричное умножение, а геометрия структуры кодирует коэффициенты.

Но исследователи столкнулись с проблемой. Согласно законам теплопроводности, согласно которым тепло переходит из горячих областей в холодные, эти структуры могут кодировать только положительные коэффициенты.

Они решили эту проблему, разделив целевую матрицу на положительную и отрицательную составляющие и представив их в виде отдельно оптимизированных кремниевых структур, которые кодируют положительные значения. Вычитание результатов на более позднем этапе позволяет вычислять отрицательные значения матрицы.

Они также могут регулировать толщину структур, что позволяет создавать более разнообразные матрицы. Более толстые структуры обладают лучшей теплопроводностью.

Исследователи использовали эти структуры для выполнения матричного векторного умножения с точностью более 99%. Матричное умножение — это фундаментальный математический метод, который модели машинного обучения, такие как LLM, используют для обработки информации и составления прогнозов.