麻省理工突破性研究：不用散热，让芯片产生的热能进行高精度计算

排行榜 2026年05月14日 18:44 17 aa

在电子工程的世界里，热量一直是那个令人头疼的“反派”。

为了把芯片在高速运转时产生的废热散发出去，工程师们绞尽脑汁，设计了复杂的散热片、风扇甚至液冷系统。

然而，来自麻省理工学院（MIT）的一项突破性研究正在试图颠覆这一认知：如果这些废热不仅不需要被扔掉，反而能被用来进行高精度的计算呢？

MIT的研究团队近日设计出一种微型硅结构，能够利用电子设备中原本会被浪费的热量来执行复杂的数学运算，其矩阵乘法的准确率竟然超过了99%。

这项发表在《物理评论应用》上的成果，不仅为未来的低能耗计算打开了一扇新窗，更可能彻底改变我们对“计算”这一物理过程的理解。

逆向思维：当热流变成数据流

传统的计算机依靠电流的通断（0和1）来处理信息，而这个过程不可避免地会产生热量作为副产品。

MIT物理系本科生、该论文的第一作者卡约·席尔瓦及其导师朱塞佩·罗马诺采取了完全相反的路径。

他们提出了一种大胆的设想：将数据编码为温度值，利用热量在特制材料中的流动和扩散来完成计算。

这是一种典型的模拟计算模式。

不同于数字计算的离散信号，热计算处理的是连续的物理量。

输入端的温度高低代表不同的数值，热流穿过经过特殊设计的硅结构，最终在输出端被恒温器捕获，转换成代表计算结果的功率值。

这幅艺术渲染图展示了一种热模拟计算装置，它利用多余的热量进行计算，并嵌入在微电子系统中。

为了实现这一构想，研究团队使用了一种被称为“逆向设计”的强大技术。

通常的工程设计是从结构推导功能，而逆向设计则是先设定想要实现的数学功能（在这个案例中是矩阵向量乘法），然后让计算机算法自动迭代，反推出最合适的物理结构。

由此诞生的硅结构大小仅相当于一颗尘埃，内部却布满了精密复杂的微孔。

这些微孔的排列和形状并非随意的涂鸦，而是经过精密计算的导热通道。

当热量流经这些结构时，它的扩散方式就自然而然地完成了矩阵乘法的运算。

要知道，矩阵乘法是现代人工智能和机器学习模型（如ChatGPT背后的LLM）处理信息的核心数学基石，这意味着热计算在理论上具有支撑AI运行的潜力。

克服物理铁律：如何在热流中编码负数

然而，利用热量进行计算面临着一个物理学上的天然障碍：热力学定律决定了热量总是从高温流向低温。

这意味着在自然的导热过程中，我们很难直接表示或处理负数系数，因为不存在“负热量”流动的概念。

但数学运算，尤其是矩阵运算，离不开负数。

为了攻克这一难题，研究团队想出了一个巧妙的“分而治之”策略。

他们将目标矩阵分解为正分量和负分量，分别设计两套不同的硅结构来处理。

正分量通过一套结构传导，负分量通过另一套结构传导，最后在输出端通过减法运算将两者结合，从而间接但精确地计算出包含负数的完整结果。

此外，他们还利用调节硅结构厚度的方法来控制导热性，较厚的部分导热更快，较薄的部分导热更慢，这为编码更多样化的数学矩阵提供了额外的自由度。

席尔瓦解释说，为特定的矩阵找到完美的拓扑结构是一项巨大的挑战，但他们开发的优化算法确保了最终设计既能满足数学精度，又在物理制造上是可行的。

从热传感器到未来AI：应用前景与挑战

尽管在两列或三列的简单矩阵测试中，这种热计算结构的准确率惊人地超过了99%，但要将其扩展到能够运行深度学习模型的规模，仍有很长的路要走。

现代AI模型动辄包含数十亿个参数，需要数百万个这样的微型结构无缝拼接。

随着结构复杂度的增加，热信号的衰减和干扰会导致精度下降，且目前热传递的速度远不及电子信号，带宽限制也是一大瓶颈。

但这并不意味着这项技术只能停留在实验室里。

罗马诺指出，这种技术最直接的应用场景是在微电子系统的热管理和故障检测上。

由于它直接利用热量工作，无需额外的电力驱动，因此可以作为一种“零能耗”的嵌入式传感器，实时监测芯片内部的温度梯度。

如果某个电路区域出现了异常的局部热源，这些硅结构能立即通过热流变化检测出来，从而预警潜在的电路故障或损坏。

这不仅省去了传统芯片上占用宝贵空间的电子温度传感器，还提供了一种更直接、更本质的物理监测手段。

展望未来，研究团队有着更宏大的计划。

他们希望设计出能够像乐高积木一样串联工作的结构，让上一个结构的输出热流直接成为下一个结构的输入，从而实现复杂的顺序计算。

更进一步，他们梦想开发出可编程的热计算材料，不再需要为每个矩阵重新制造芯片，而是可以通过某种方式动态调整热通路。

虽然这听起来像是科幻小说，但在能源效率日益成为计算瓶颈的今天，这种“变废为宝”的思路或许正是破解摩尔定律终结魔咒的一把钥匙。

实测结果“手机微乐麻将助攻神器”（详细透视教程）-哔哩哔哩

终于懂了！小程序麻将有猫腻吗(揭秘手机上规律攻略)

发表评论