Μέχρι σήμερα, η θερμότητα αποτελούσε τον μεγαλύτερο πονοκέφαλο για τη βιομηχανία των ημιαγωγών. Είναι το ανεπιθύμητο υποπροϊόν που αναγκάζει τους κατασκευαστές να σχεδιάζουν περίπλοκα συστήματα ψύξης, να περιορίζουν τις επιδόσεις των επεξεργαστών και να ξοδεύουν τεράστια ποσά ενέργειας απλώς και μόνο για να κρατήσουν τα συστήματα «ζωντανά». Μια ομάδα μηχανικών του MIT, όμως, έρχεται να ανατρέψει αυτή τη θεμελιώδη παραδοχή, παρουσιάζοντας μια μέθοδο που δεν πολεμά τη θερμότητα, αλλά τη χρησιμοποιεί ως καύσιμο για υπολογισμούς.
Η νέα έρευνα εισάγει την έννοια του «θερμικού αναλογικού υπολογισμού». Αντί να βασίζονται αποκλειστικά στη ροή ηλεκτρονίων (ηλεκτρισμός) για την επεξεργασία δεδομένων, οι ερευνητές σχεδίασαν μικροσκοπικές δομές πυριτίου που εκμεταλλεύονται την πλεονάζουσα θερμότητα για να εκτελέσουν μαθηματικές πράξεις.
«Στις περισσότερες ηλεκτρονικές συσκευές, η θερμότητα είναι απλώς ένα σκουπίδι. Ο στόχος είναι συνήθως να την ξεφορτωθούμε όσο το δυνατόν γρηγορότερα», εξηγεί ο Caio Silva, επικεφαλής συγγραφέας της μελέτης και φοιτητής στο Τμήμα Φυσικής του MIT. «Εμείς υιοθετήσαμε την αντίθετη προσέγγιση: χρησιμοποιούμε τη θερμότητα ως φορέα πληροφορίας».
Η καρδιά της καινοτομίας βρίσκεται στον τρόπο που σχεδιάστηκαν αυτές οι δομές. Χρησιμοποιώντας μια τεχνική που ονομάζεται «αντίστροφος σχεδιασμός», η ομάδα ανέπτυξε έναν αλγόριθμο που καθορίζει τη γεωμετρία του υλικού με βάση την επιθυμητή λειτουργία. Αντί να σχεδιάσουν το τσιπ και να δουν τι μπορεί να κάνει, όρισαν πρώτα τη μαθηματική πράξη και άφησαν το λογισμικό να δημιουργήσει την ιδανική φυσική δομή για αυτήν.
Το αποτέλεσμα είναι πολύπλοκες διατάξεις πυριτίου, γεμάτες μικροσκοπικούς πόρους, που μοιάζουν με λαβύρινθο. Καθώς η θερμότητα ρέει μέσα από αυτές τις δομές, η ίδια η φυσική της διάχυση εκτελεί τους υπολογισμούς. Τα δεδομένα εισόδου κωδικοποιούνται ως θερμοκρασίες και το αποτέλεσμα της πράξης προκύπτει από τη μέτρηση της θερμότητας στην άλλη άκρη της διάταξης.
Οι ερευνητές εστίασαν σε μια συγκεκριμένη μαθηματική λειτουργία: τον πολλαπλασιασμό πινάκων (matrix multiplication). Πρόκειται για τη θεμελιώδη πράξη πάνω στην οποία χτίζονται τα σύγχρονα νευρωνικά δίκτυα και τα μεγάλα γλωσσικά μοντέλα (LLMs). Η ικανότητα εκτέλεσης τέτοιων υπολογισμών με ακρίβεια που ξεπερνά το 99% —όπως απέδειξαν οι δοκιμές— ανοίγει ένα παράθυρο σε ένα μέλλον όπου η Τεχνητή Νοημοσύνη θα μπορούσε να λειτουργεί πολύ πιο αποδοτικά.
Ο Giuseppe Romano, ανώτερος ερευνητής στο Ινστιτούτο Νανοτεχνολογιών Στρατιώτη του MIT και επιβλέπων της μελέτης, τονίζει πως η μέθοδος αυτή είναι αναλογική και όχι ψηφιακή. Σε αντίθεση με τα κλασικά τσιπ που λειτουργούν με δυαδικά ψηφία (0 και 1), οι θερμικοί υπολογιστές επεξεργάζονται συνεχείς τιμές. Αυτό επιτρέπει την κωδικοποίηση πληροφορίας με τρόπο που ταιριάζει απόλυτα στη φύση της διάχυσης θερμότητας.
Ένα από τα μεγαλύτερα εμπόδια που κλήθηκε να ξεπεράσει η ομάδα ήταν οι φυσικοί νόμοι της θερμικής αγωγιμότητας. Η θερμότητα ρέει πάντα από το θερμό προς το ψυχρό, γεγονός που δυσκολεύει την αναπαράσταση αρνητικών τιμών στους μαθηματικούς πίνακες. Η λύση δόθηκε με τον διαχωρισμό των δεδομένων σε θετικά και αρνητικά συστατικά, τα οποία επεξεργάζονται από ξεχωριστές δομές και συνδυάζονται στο τέλος.
Αν και η χρήση αυτής της τεχνολογίας για την εκπαίδευση μοντέλων Deep Learning απέχει ακόμα αρκετά —κυρίως λόγω της ανάγκης για εκατομμύρια τέτοιες δομές και των περιορισμών στο εύρος ζώνης— οι άμεσες εφαρμογές είναι ήδη ορατές και εξαιρετικά υποσχόμενες.
Το πιο προφανές πεδίο είναι η διαχείριση θερμότητας στα ίδια τα μικροηλεκτρονικά. Οι νέες αυτές δομές θα μπορούσαν να λειτουργήσουν ως αυτόνομοι αισθητήρες που εντοπίζουν θερμικές ανωμαλίες μέσα σε ένα κύκλωμα χωρίς να καταναλώνουν επιπλέον ενέργεια.
«Οι διαβαθμίσεις της θερμοκρασίας μπορούν να καταστρέψουν ένα κύκλωμα», επισημαίνει ο Romano. «Με αυτές τις δομές, μπορούμε να εντοπίσουμε πηγές θερμότητας εκεί που δεν θα έπρεπε να υπάρχουν, απλώς “κουμπώνοντάς” τες στο σύστημα, χωρίς την ανάγκη για ψηφιακά εξαρτήματα».
Το επόμενο βήμα για την ερευνητική ομάδα είναι η δημιουργία διατάξεων που θα μπορούν να εκτελούν διαδοχικές πράξεις, όπου το αποτέλεσμα της μίας γίνεται είσοδος για την επόμενη — μια διαδικασία απαραίτητη για σύνθετους αλγορίθμους. Επιπλέον, στόχος είναι η ανάπτυξη προγραμματιζόμενων δομών, ώστε να μην χρειάζεται η κατασκευή νέου υλικού για κάθε διαφορετικό υπολογισμό.
Η ανακάλυψη αυτή δεν υπόσχεται μόνο εξοικονόμηση ενέργειας. Προτείνει μια αλλαγή παραδείγματος στη μηχανική υπολογιστών, όπου οι φυσικές ιδιότητες των υλικών δεν αποτελούν περιορισμό, αλλά εργαλείο. Σε ένα τεχνολογικό τοπίο που αναζητά απεγνωσμένα τρόπους να μειώσει το περιβαλλοντικό αποτύπωμα των Data Centers και των συσκευών AI, η ιδέα ότι η «άχρηστη» θερμότητα μπορεί να γίνει χρήσιμη πληροφορία είναι, αν μη τι άλλο, ανατρεπτική.