Используя избыточное тепло вместо электричества, микроскопические кремниевые структуры могут обеспечить более энергоэффективное тепловое зондирование и обработку сигналов.
Исследователи MIT разработали кремниевые структуры, которые могут выполнять вычисления в электронном устройстве, используя избыточное тепло вместо электричества. Эти крошечные структуры однажды могут обеспечить более энергоэффективные вычисления.
Как это работает
В этом методе вычислений входные данные кодируются как набор температур с использованием уже имеющегося в устройстве избыточного тепла. Поток и распределение тепла через специально разработанный материал составляют основу вычислений. Затем выходные данные представляются в виде мощности, собранной на другом конце, которая является термостатом с фиксированной температурой.
Исследователи использовали эти структуры для выполнения умножения матриц на векторы с точностью более 99%. Умножение матриц — это фундаментальный математический метод, который модели машинного обучения, такие как LLM, используют для обработки информации и прогнозирования.
Преодоление трудностей
Хотя исследователям ещё предстоит преодолеть множество проблем, чтобы масштабировать этот метод вычислений для современных моделей глубокого обучения, этот метод может быть применён для обнаружения источников тепла и измерения изменений температуры в электронике без потребления дополнительной энергии. Это также устранило бы необходимость в нескольких датчиках температуры, которые занимают место на чипе.
«Большую часть времени, когда вы выполняете вычисления в электронном устройстве, тепло является побочным продуктом. Часто вы хотите избавиться от как можно большего количества тепла. Но здесь мы использовали противоположный подход, используя тепло как форму информации, и показали, что вычисления с помощью тепла возможны», — говорит Кайо Сильва, студент бакалавриата факультета физики и ведущий автор статьи о новой парадигме вычислений.
Сильва работает над статьёй вместе со старшим автором Джузеппе Романо, научным сотрудником Института солдатских нанотехнологий MIT и членом лаборатории MIT-IBM Watson AI Lab. Исследование опубликовано сегодня в журнале Physical Review Applied.
Использование тепла для вычислений
Эта работа стала возможной благодаря разработанной ранее исследователями программной системе, которая позволяет автоматически проектировать материал, способный проводить тепло определённым образом.
Используя метод, называемый обратным проектированием, эта система переворачивает традиционный инженерный подход с ног на голову. Исследователи сначала определяют нужную им функциональность, затем система использует мощные алгоритмы для итеративной разработки оптимальной геометрии для задачи.
Они использовали эту систему для проектирования сложных кремниевых структур, каждая размером примерно с пылинку, которые могут выполнять вычисления с использованием теплопроводности. Это форма аналоговых вычислений, в которых данные кодируются и сигналы обрабатываются с использованием непрерывных значений, а не цифровых битов, которые представляют собой либо 0, либо 1.
Исследователи вводят в свою программную систему спецификации матрицы чисел, представляющей определённый расчёт. Используя сетку, система проектирует набор прямоугольных кремниевых структур, заполненных крошечными порами. Система постоянно корректирует каждый пиксель в сетке, пока не достигнет желаемой математической функции.
Тепло распространяется через кремний таким образом, что выполняет умножение матриц, при этом геометрия структуры кодирует коэффициенты.
Анимация процесса проектирования
Анимация показывает процесс проектирования структур для тепловых вычислений. Мощный алгоритм постоянно корректирует каждый пиксель в прямоугольной сетке, итеративно уточняя геометрию и толщину, пока не достигнет заданного матричного представления.
«Эти структуры слишком сложны для того, чтобы мы могли придумать их только с помощью нашей интуиции. Нам нужно научить компьютер проектировать их для нас. Вот что делает обратное проектирование очень мощным методом», — говорит Романо.
Но исследователи столкнулись с проблемой. Из-за законов теплопроводности, которые предписывают, что тепло переходит из горячих областей в холодные, эти структуры могут кодировать только положительные коэффициенты.
Они преодолели эту проблему, разделив целевую матрицу на положительные и отрицательные компоненты и представив их с помощью отдельно оптимизированных кремниевых структур, которые кодируют положительные записи. Вычитание выходных данных на более позднем этапе позволяет им вычислять отрицательные матричные значения.
Они также могут регулировать толщину структур, что позволяет им реализовать большее разнообразие матриц. Более толстые структуры имеют большую теплопроводность.
«Найти правильную топологию для заданной матрицы сложно. Мы решили эту проблему, разработав алгоритм оптимизации, который обеспечивает максимально близкое соответствие разрабатываемой топологии желаемой матрице без каких-либо странных частей», — объясняет Сильва.
Микроэлектронные приложения
Исследователи использовали моделирование для тестирования структур на простых матрицах с двумя или тремя столбцами. Хотя они и просты, эти небольшие матрицы актуальны для важных приложений, таких как слияние зондирования и диагностика в микроэлектронике.
Структуры выполняли вычисления с точностью более 99% во многих случаях.
Однако предстоит пройти ещё долгий путь, прежде чем этот метод можно будет использовать для крупномасштабных приложений, таких как глубокое обучение, поскольку миллионы структур необходимо будет соединить вместе. По мере усложнения матриц структуры становятся менее точными, особенно когда существует большое расстояние между входными и выходными клеммами. Кроме того, устройства имеют ограниченную пропускную способность, которую необходимо значительно расширить, если они будут использоваться для глубокого обучения.
Но поскольку структуры полагаются на избыточное тепло, они могут быть непосредственно применены для таких задач, как управление температурой, а также для обнаружения источников тепла или температурных градиентов в микроэлектронике.
«Эта информация имеет решающее значение. Температурные градиенты могут вызвать тепловое расширение и повредить схему или даже привести к сбою всего устройства. Если у нас есть локализованный источник тепла, где мы не хотим его видеть, это означает, что у нас есть проблема. Мы можем напрямую обнаруживать такие источники тепла с помощью этих структур, и мы можем просто подключить их без необходимости каких-либо цифровых компонентов», — говорит Романо.
Опираясь на эту концепцию, исследователи хотят разработать структуры, которые могут выполнять последовательные операции, где выходные данные одной структуры становятся входными для следующей. Именно так модели машинного обучения выполняют вычисления. Они также планируют разработать программируемые структуры, позволяющие им кодировать разные матрицы без необходимости каждый раз начинать с новой структуры.
Статья: «Тепловые аналоговые вычисления: применение к умножению матриц на векторы с помощью метаструктур с обратным проектированием».