مهندسان MIT با ساختارهای جدید سیلیکونی، گرمای هدررفته را به توان محاسباتی تبدیل کردند
مهندسان مؤسسه فناوری ماساچوست موفق شدهاند راهی تازه برای استفاده از گرمای هدررفته در سامانههای الکترونیکی پیدا کنند. آنها ساختارهای میکروسکوپی مبتنی بر سیلیکون طراحی کردهاند که بهجای برق، از گرما برای انجام محاسبات ریاضی مورد استفاده در یادگیری ماشین بهره میبرند. این پژوهش که نتایج آن در نشریه Physical Review Applied منتشر شده، نشان میدهد محاسبات حرارتی میتوانند با دقتی بالاتر از ۹۹ درصد انجام شوند.
در اغلب تجهیزات الکترونیکی، گرما بهعنوان یک محصول جانبی ناخواسته شناخته میشود که باید هرچه سریعتر دفع شود. اما تیم MIT با رویکردی متفاوت، گرما را بهعنوان حامل اطلاعات در نظر گرفته. به گفته پژوهشگران، این کار نشان میدهد که میتوان از جریان حرارت برای انجام عملیات محاسباتی استفاده کرد، بدون آنکه نیاز به مصرف انرژی الکتریکی اضافی وجود داشته باشد یا گرمای تولیدشده صرفاً بهعنوان اتلاف انرژی تلقی شود.
این تیم پژوهشی، متشکل از کایو سیلوا دانشجوی کارشناسی و جوزپه رومانو پژوهشگر MIT، از روشی به نام طراحی معکوس استفاده کرده است. در این روش، بهجای طراحی دستی، عملکرد موردنظر به یک نرمافزار داده میشود و الگوریتمها بهطور خودکار هندسههای پیچیدهای با حفرههای متعدد در سیلیکون ایجاد میکنند. این ساختارها که ابعادی در حد یک ذره گردوغبار دارند، مسیر حرکت گرما را بهدقت هدایت میکنند.
ساختارهای طراحیشده قادرند عمل ضرب ماتریس در بردار را انجام دهند؛ عملیاتی که هسته اصلی مدلهای یادگیری ماشین و مدلهای زبانی بزرگ بهشمار میرود. از آنجا که گرما تنها از ناحیه گرم به سرد جریان مییابد، پژوهشگران برای غلبه بر این محدودیت، ماتریسها را به بخشهای مثبت و منفی تقسیم کرده و آنها را در ساختارهای جداگانه پردازش کردهاند. همچنین با تغییر ضخامت سیلیکون، میزان هدایت حرارتی بهطور دقیق تنظیم شده.
با وجود دقت بالای این روش، پژوهشگران تأکید میکنند که این فناوری هنوز با چالشهایی مانند پهنای باند و مقیاسپذیری برای کاربردهای پیچیده یادگیری عمیق روبهرو است. با این حال، کاربردهای عملی آن در مدیریت حرارتی بسیار امیدوارکننده بهنظر میرسد. این ساختارها میتوانند بدون نیاز به منبع تغذیه یا حسگر دیجیتال، افزایش دما یا ایجاد گرادیان حرارتی را تشخیص دهند و بهصورت خودکار واکنش نشان دهند.
