Обычно тепло считается бесполезным побочным продуктом вычислений, от которого стараются избавиться. «Но здесь мы пошли противоположным путем, использовав тепло как форму информации, и показали, что вычисления с помощью тепла возможны», — пояснил Кайо Силва из Массачусетского технологического института, ведущий автор исследования.

В основе проекта лежит программа, разработанная учеными ранее. Она позволяет автоматически проектировать материал с заданными теплопроводящими свойствами. Ученые применили ее для создания сложных кремниевых структур размером с пылинку, способных выполнять вычисления за счет теплопроводности, пишет MIT News.

Посредством этих структур ученые выполнили операцию умножения матрицы на вектор с точностью более 99%. Матричное умножение — фундаментальная математическая операция, лежащая в основе работы современных моделей машинного обучения, включая большие языковые модели.

В процессе работы исследователи столкнулись с фундаментальным ограничением: законы теплопроводности допускают в матрицах только положительные коэффициенты, поскольку тепло всегда течет от горячего к холодному. Чтобы обойти эту проблему, они разделили целевую матрицу на положительную и отрицательную части, представив их отдельными структурами, а затем вычли результаты. Кроме того, они выяснили, что варьируя толщину структур, можно влиять на теплопроводность и таким образом кодировать более широкий спектр матриц.

Хотя до масштабирования метода для сложных нейросетей еще далеко, его уже можно применять для терморегулирования и обнаружения локальных перегревов в микроэлектронике.

В будущем исследователи планируют создавать структуры, способные выполнять последовательные операции, а также программируемые структуры, позволяющие кодировать разные матрицы без полного перепроектирования. Это может стать важным шагом к созданию принципиально новых, энергоэффективных вычислительных систем, превращающих тепловые отходы в полезный ресурс.

Перед создателями молекулярных машин и вычислительных аппаратов на основе ДНК годами стояла проблема отсутствия универсального источника энергии наподобие электричества для кремниевых систем или АТФ — для биологических. Ученые из США продемонстрировали революционное решение этой проблемы. Они успешно разработали сложные логические схемы ДНК и нейронные сети, которые можно полностью перезарядить простым повышением температуры.