پژوهشگران مؤسسه فناوری ماساچوست (MIT) موفق به طراحی ساختارهای میکروسکوپی از جنس سیلیکون شدهاند که میتوانند بهجای برق با استفاده از گرمای اضافی درون دستگاههای الکترونیکی، دادهها را پردازش کند.
به گزارش سرویس فناوری مگ دید، بر اساس این پژوهش، دادههای ورودی نه به صورت سیگنالهای الکتریکی، بلکه به شکل مجموعهای از دماها و با بهرهگیری از گرمای اتلافی موجود در خود دستگاه رمزگذاری میشوند. سپس، نحوه جریان و توزیع گرما در یک ماده با طراحی ویژه، عملیات محاسباتی را انجام میدهد. در نهایت، خروجی محاسبه به صورت توان جمعآوریشده در انتهای ساختار و در نقطهای با دمای ثابت نمایش داده میشود.
مهندسان MIT با استفاده از این روش توانستهاند عملیات «ضرب ماتریس در بردار» را با دقتی بیش از ۹۹ درصد انجام دهند؛ عملیاتی که یکی از پایههای اصلی پردازش دادهها در مدلهای یادگیری ماشین و مدلهای زبانی بزرگ به حساب میآید. اگرچه این فناوری هنوز در مراحل اولیه توسعه قرار دارد، اما نتایج اولیه نشان میدهد که محاسبه با گرما میتواند در آینده جایگزین بخشی از محاسبات پرمصرف الکتریکی شود.
کایو سیلوا، دانشجوی کارشناسی فیزیک و نویسنده اصلی این پژوهش گفت: «در اغلب دستگاههای الکترونیکی، گرما یک محصول جانبی ناخواسته است و معمولاً تلاش میشود تا هرچه سریعتر دفع شود. اما ما رویکردی کاملاً متفاوتی اتخاذ کردهایم و نشان دادهایم که میتوان از خود گرما به عنوان اطلاعات استفاده کرد و با آن محاسبه انجام داد.»
این پژوهش با همکاری جوزپه رومانو، پژوهشگر ارشد MIT انجام شده و نتایج آن در نشریه علمی Physical Review Applied منتشر شده است. به گفته پژوهشگران، طراحی این ساختارها با استفاده از روشی موسوم به «طراحی معکوس» انجام شده است؛ روشی که در آن ابتدا عملکرد مورد نظر تعریف میشود و سپس الگوریتمهای رایانهای، هندسه بهینه ماده را برای دستیابی به آن عملکرد طراحی میکنند.
ساختارهای طراحیشده که هرکدام تقریباً هماندازه یک ذره گردوغبار هستند، نوعی محاسبه آنالوگ را انجام میدهند. در این نوع محاسبه، دادهها به صورت مقادیر پیوسته پردازش میشوند و به شکل بیتهای صفر و یک دیجیتال نیستند. گرما درون این ساختارهای متخلخل سیلیکونی به گونهای پخش میشود که ضرایب یک ماتریس ریاضی را در خود کدگذاری میکند و نتیجه محاسبه را تولید مینماید.
پژوهشگران برای غلبه بر محدودیتهای فیزیکی هدایت گرما، که تنها امکان نمایش مقادیر مثبت را میدهد، راهکاری خلاقانه ارائه کردهاند. آنها ماتریسهای مورد نظر را به بخشهای مثبت و منفی تقسیم و هر بخش را با ساختار جداگانهای پیادهسازی میکنند تا در نهایت با ترکیب خروجیها، نتیجه کامل به دست آید.
اگرچه استفاده از این فناوری در کاربردهای بزرگمقیاس مانند یادگیری عمیق هنوز با چالشهایی همراه است، اما محققان معتقد هستند این ساختارها میتوانند در آینده نزدیک برای کاربردهایی مانند مدیریت حرارتی، شناسایی منابع گرمایی ناخواسته و پایش تغییرات دما در تراشههای الکترونیکی، آن هم بدون مصرف انرژی اضافی یا نیاز به حسگرهای متعدد به کار گرفته شوند.
پژوهشگران MIT در گامهای بعدی قصد دارند ساختارهایی طراحی کنند که بتوانند عملیات زنجیرهای انجام دهند؛ به گونهای که خروجی یک ساختار به ورودی ساختار بعدی تبدیل شود. همچنین آنها به دنبال توسعه نسخههای قابلبرنامهریزی هستند تا بتوان با یک ساختار واحد، محاسبات متنوعتری را بدون طراحی مجدد انجام داد.
