- Pesquisadores do MIT criaram estruturas de silício capazes de realizar cálculos usando calor excedente, em vez de eletricidade.
- O input é codificado como temperaturas, e a difusão de calor através de uma geometria específica realiza a multiplicação de matrizes com mais de 99% de precisão.
- As estruturas são desenhadas por meio de design inverso, criando pequenas formas porosas que, juntas, processam informações por condução de calor.
- Um desafio é o fato de apenas coeficientes positivos poderem ser codificados; a equipe separa a matriz em componentes positivos e negativos e, posteriormente, subtrai os resultados para obter valores negativos.
- Possíveis aplicações incluem detecção de fontes de calor, monitoramento térmico em eletrônicos e gerenciamento de calor, com planos para tornar o sistema sequencial e programável.
Dois aparamentos de MIT desenvolveram estruturas de silício capazes de realizar cálculos usando calor residual em vez de eletricidade. O laboratório afirma que esse método pode tornar a computação mais eficiente energeticamente, especialmente em sensores térmicos e processamento de sinais.
As estruturas, do tamanho de partículas de poeira, utilizam o calor gerado pelo próprio dispositivo como dado de entrada. A dissipação e a distribuição térmica formam o cálculo, e a saída é medida pela potência em um extremo, mantido a uma temperatura fixa. Em testes, registraram precisão superior a 99% em multiplicação de matrizes simples.
Como funciona a engenharia inversa
Por meio de um sistema de design inverso, o software define a funcionalidade desejada e cria a geometria ótima para atingí-la. O resultado são redes de silício com poros, que conduzem o calor de maneira específica para processar operações analógicas, sem bits digitais.
Essa abordagem enfrenta o desafio de coeficientes negativos, já que o calor flui apenas de quente para frio. A equipe resolveu ao dividir a matriz-alvo em componentes positivos e negativos, codificando-os em estruturas separadas e subtraindo os resultados. A espessura das estruturas também é ajustável para ampliar o conjunto de matrizes.
Implicações e limites
Os pesquisadores testaram matrizes de duas a três colunas em simulações e obtiveram precisão alta, suficiente para aplicações como detecção de fontes de calor e diagnóstico em microeletrônica. No entanto, ampliar para modelos de deep learning exigiria tiling de milhões de estruturas e maior largura de banda.
Apesar disso, a tecnologia pode ser aplicada diretamente em gestão térmica e detecção de gradientes de temperatura, evitando sensores extensivos em chips. Segundo Giuseppe Romano, pesquisador do MIT e coautor, a ideia é usar o calor como informação, abrindo caminho para novas formas de computação.
Próximos passos
Os autores pretendem desenvolver estruturas capazes de operações sequenciais, com saída de uma etapa virando entrada para a seguinte. Também buscam tornar as estruturas programáveis, para codificar diferentes matrizes sem redesenho completo a cada uso.
Entre na conversa da comunidade