利用電子裝置自身產生的熱能，微米級矽結構有望實現更節能的熱感測與訊號處理。電子裝置運作時產生的熱量通常被視為問題，但麻省理工學院（MIT）士兵奈米科技研究所的研究科學家 Giuseppe Romano 領導的團隊，開發出一種不依賴電力的資料處理方法。此方法屬於類比運算，將輸入資料編碼為基於裝置內既有廢熱的溫度集合。透過團隊開發的基於物理優化演算法設計的微小矽結構，熱流的傳遞與分佈形成運算基礎，而輸出則由另一端收集的功率表示。
研究團隊利用這些結構執行矩陣向量乘法，這是大型語言模型等機器學習模型處理資訊與預測的核心數學技術。在多數情況下，結果準確率超過 99%。
挑戰與應用潛力
要將此運算方法擴展至現代深度學習模型，研究人員仍需克服諸多障礙，例如將數百萬個此類結構拼合的挑戰。隨著矩陣複雜度增加，準確率會下降，尤其在輸入與輸出端之間距離較大時。不過，此技術可立即應用於偵測電子產品中的問題熱源，並測量溫度變化，而無需額外耗能。這也能省去晶片上多個溫度感測器所佔空間。「電子裝置執行運算時，熱量多為廢棄產物，」物理系本科生兼論文主要作者 Caio Silva 表示。
「人們通常盡量排除熱量，但我們反其道而行，將熱量本身視為資訊形式。」
AI 內容聲明：本文由 AI 工具輔助撰寫初稿，經 TechRitual 編輯團隊審閱、修訂及事實查核後發佈。如有任何錯誤或需要更正，歡迎聯絡我們。
