Strukture u elektronici koriste toplinu za računanje

Istraživači s američkog tehnološkog instituta MIT, dizajnirali su silicijske strukture koje mogu izvoditi izračune u elektroničkom uređaju koristeći višak topline umjesto električne energije. Ove sitne strukture mogle bi jednog dana omogućiti energetski učinkovitije računanje.

U ovoj računalnoj metodi, ulazni podaci se kodiraju kao skup temperatura korištenjem otpadne topline koja je već prisutna u uređaju. Protok i distribucija topline kroz posebno dizajnirani materijal čine osnovu izračuna. Izlaz se zatim predstavlja snagom prikupljenom na drugom kraju, koji je termostatiran na fiksnoj temperaturi.

Istraživači su koristili ove strukture za izvođenje množenja matrica i vektora s točnošću većom od 99 posto. Množenje matrica je temeljna matematička tehnika koju modeli strojnog učenja poput LLM-ova koriste za obradu informacija i predviđanja.

Iako istraživači još uvijek moraju prevladati mnoge izazove kako bi proširili ovu računalnu metodu za moderne modele dubokog učenja, tehnika bi se mogla primijeniti za otkrivanje izvora topline i mjerenje promjena temperature u elektronici bez trošenja dodatne energije. To bi također eliminiralo potrebu za više temperaturnih senzora koji zauzimaju prostor na čipu.

Koristeći tehniku ​​​​zvanu inverzni dizajn, ovaj sustav preokreće tradicionalni inženjerski pristup. Istraživači prvo definiraju funkcionalnost koju žele, a zatim sustav koristi moćne algoritme za iterativno dizajniranje najbolje geometrije za zadatak.

Koristili su ovaj sustav za dizajniranje složenih silicijskih struktura, svaka otprilike iste veličine kao čestica prašine, koje mogu izvoditi izračune koristeći provođenje topline. Ovo je oblik analognog računarstva u kojem se podaci kodiraju, a signali obrađuju pomoću kontinuiranih vrijednosti, a ne digitalnih bitova koji su nule ili jedinice.

Istraživači u svoj softverski sustav unose specifikacije matrice brojeva koja predstavlja određeni izračun. Koristeći mrežu, sustav dizajnira skup pravokutnih silicijskih struktura ispunjenih sitnim porama. Sustav kontinuirano prilagođava svaki piksel u mreži dok ne dođe do željene matematičke funkcije.

No istraživači su naišli na problem. Zbog zakona provođenja topline, koji nalažu da toplina ide iz vrućih u hladna područja, ove strukture mogu kodirati samo pozitivne koeficijente. 

Taj su problem prevladali dijeljenjem ciljne matrice na pozitivne i negativne komponente i njihovim predstavljanjem zasebno optimiziranim silicijskim strukturama koje kodiraju pozitivne unose. Oduzimanje izlaza u kasnijoj fazi omogućuje im izračunavanje negativnih vrijednosti matrice.

Također mogu podesiti debljinu struktura, što im omogućuje ostvarenje veće raznolikosti matrica. Deblje strukture imaju veću toplinsku vodljivost.

Istraživači su koristili simulacije za testiranje struktura na jednostavnim matricama s dva ili tri stupca. Iako jednostavne, ove male matrice su relevantne za važne primjene, poput fuzijske detekcije i dijagnostike u mikroelektronici.

Međutim, još je dug put prije nego što bi se ova tehnika mogla koristiti za velike primjene poput dubokog učenja, budući da bi milijuni struktura morali biti složeni zajedno. Kako matrice postaju složenije, strukture postaju manje točne, posebno kada postoji velika udaljenost između ulaznih i izlaznih terminala. Osim toga, uređaji imaju ograničenu propusnost, koju bi trebalo znatno proširiti ako bi se koristili za duboko učenje.

Nadograđujući se na ovaj dokaz koncepta, istraživači žele dizajnirati strukture koje mogu izvoditi sekvencijalne operacije, gdje izlaz jedne strukture postaje ulaz za sljedeću. Na taj način modeli strojnog učenja izvode izračune. Također planiraju razviti programabilne strukture, što će im omogućiti kodiranje različitih matrica bez počinjanja od nule s novom strukturom svaki put.

Znanstveni rad objavljen u časopisu Znanstveni rad objavljen u časopisu Physical Review Applied možete pronaći na ovoj poveznici.