Abwärme wird zu Rechenleistung: MIT-Ingenieure nutzen neue Siliziumstrukturen

Ingenieure des MIT haben ein weitverbreitetes elektronisches Ärgernis – Abwärme – in eine Ressource für Berechnungen verwandelt. In einer Studie, die in der Fachzeitschrift Physical Review Applied veröffentlicht wurde, stellten die Forscher mikroskopisch kleine Siliziumstrukturen vor, die mathematische Berechnungen mithilfe von Wärme statt Elektrizität durchführen können. 

Das Forschungsteam, bestehend aus dem Studenten Caio Silva und dem Wissenschaftler Giuseppe Romano, nutzte eine Technik namens „Inverse Design“, um diese Strukturen zu erschaffen. Durch die Eingabe der gewünschten Funktionalität in ein Softwaresystem generierten Algorithmen komplexe, porenreiche Silizium-Geometrien, die etwa so groß wie ein Staubkorn sind.

Diese Strukturen leiten den Wärmefluss so, dass sie Matrix-Vektor-Multiplikationen ausführen, welche die grundlegende Mathematik hinter Modellen des maschinellen Lernens wie Large Language Models (LLMs) darstellen. In Simulationen erreichen sie dabei eine Genauigkeit von über 99 %.

Meistens entsteht Wärme als Abfallprodukt, wenn in einem elektronischen Gerät Berechnungen durchgeführt werden. Oft möchte man so viel Wärme wie möglich loswerden. Hier haben wir jedoch den entgegengesetzten Ansatz gewählt: Wir nutzen Wärme als Form von Information und zeigen, dass Computing mit Wärme möglich ist. – Caio Silva, Hauptautor der Studie.

Um die physikalische Einschränkung zu überwinden, dass Wärme nur von warm nach kalt fließt, teilte das Team die Zielmatrizen in positive und negative Komponenten auf und verarbeitete diese durch separate Strukturen. Zudem passten sie die Dicke des Siliziums an, um die Wärmeleitung präziser steuern zu können.

Obwohl die Technologie hinsichtlich der Verarbeitungsgeschwindigkeit und Skalierung für komplexe Deep-Learning-Aufgaben noch vor Hürden steht, bietet sie sofortiges Potenzial im Thermomanagement. Die Strukturen könnten Überhitzungen oder Temperaturgradienten in der Elektronik autonom erkennen, ohne dass externe Stromquellen oder digitale Sensoren benötigt werden. Das Team strebt nun die Entwicklung programmierbarer Strukturen an, die aufeinanderfolgende Operationen durchführen können.