Analoges Thermal-Computing Strukturen, die mit Wärme rechnen

Ingenieure des MIT haben Strukturen entwickelt, die mit Wärme rechnen können. Durch die Nutzung von überschüssiger Wärme anstelle von Strom könnten demnach mikroskopisch kleine Siliziumstrukturen eine energieeffizientere Wärmesensorik und Signalverarbeitung ermöglichen.

Forscher des MIT haben Siliziumstrukturen entwickelt, die Berechnungen in einem elektronischen Gerät mit überschüssiger Wärme anstelle von Strom durchführen können. Diese winzigen Strukturen könnten eines Tages energieeffizientere Berechnungen ermöglichen.

Bei dieser Berechnungsmethode werden die Eingabedaten unter Verwendung der bereits in einem Gerät vorhandenen Abwärme als eine Reihe von Temperaturen codiert. Der Fluss und die Verteilung der Wärme durch ein speziell entwickeltes Material bilden die Grundlage für die Berechnung. Die Ausgabe wird dann durch die am anderen Ende gesammelte Energie dargestellt, die auf eine feste Temperatur thermostatisiert ist.

Die Forscher verwendeten diese Strukturen, um Matrix-Vektor-Multiplikationen mit einer Genauigkeit von mehr als 99 Prozent durchzuführen. Die Matrixmultiplikation ist die grundlegende mathematische Technik, die maschinelle Lernmodelle wie LLMs zur Verarbeitung von Informationen und zur Erstellung von Vorhersagen verwenden.

Zwar müssen die Forscher noch viele Herausforderungen bewältigen, um diese Rechenmethode für moderne Deep-Learning-Modelle zu skalieren, doch könnte die Technik zur Erkennung von Wärmequellen und zur Messung von Temperaturänderungen in Elektronikgeräten eingesetzt werden, ohne zusätzliche Energie zu verbrauchen. Dadurch würden auch mehrere Temperatursensoren überflüssig, die Platz auf einem Chip beanspruchen.

„Wenn man Berechnungen in einem elektronischen Gerät durchführt, entsteht meistens Wärme als Abfallprodukt. Oft möchte man so viel Wärme wie möglich loswerden. Hier haben wir jedoch den umgekehrten Ansatz gewählt, indem wir Wärme als eine Form von Information selbst genutzt und gezeigt haben, dass Rechnen mit Wärme möglich ist“, sagt Caio Silva, Student im Fachbereich Physik und Hauptautor einer Veröffentlichung über das neue Rechenparadigma.

Silva wird in dem Artikel von Giuseppe Romano unterstützt, einem leitenden Autor und Wissenschaftler am MIT Institute for Soldier Nanotechnologies. Die Forschungsergebnisse werden heute in Physical Review Applied veröffentlicht.

Die Hitze hochdrehen

Ermöglicht wurde diese Arbeit durch ein zuvor von den Forschern entwickeltes Softwaresystem, mit dem sie automatisch ein Material entwerfen können, das Wärme auf eine bestimmte Weise leitet.

Mit einer Technik namens „inverses Design“ stellt dieses System den traditionellen Ansatz der Technik auf den Kopf. Die Forscher definieren zunächst die gewünschte Funktionalität, dann verwendet das System leistungsstarke Algorithmen, um iterativ die beste Geometrie für die Aufgabe zu entwerfen.

Mit diesem System entwarfen sie komplexe Siliziumstrukturen, die jeweils etwa die Größe eines Staubkorns haben und Berechnungen mithilfe von Wärmeleitung durchführen können. Dabei handelt es sich um eine Form des analogen Rechnens, bei dem Daten codiert und Signale mit kontinuierlichen Werten verarbeitet werden, anstatt mit digitalen Bits, die entweder 0 oder 1 sind.

Die Forscher geben die Spezifikationen einer Zahlenmatrix, die eine bestimmte Berechnung darstellt, in ihr Softwaresystem ein. Mithilfe eines Gitters entwirft das System eine Reihe rechteckiger Siliziumstrukturen, die mit winzigen Poren gefüllt sind. Das System passt jedes Pixel im Gitter kontinuierlich an, bis es die gewünschte mathematische Funktion erreicht.

Die Wärme diffundiert durch das Silizium in einer Weise, die die Matrixmultiplikation durchführt, wobei die Geometrie der Struktur die Koeffizienten codiert. „Diese Strukturen sind viel zu kompliziert, als dass wir sie allein mit unserer Intuition entwickeln könnten. Wir müssen einem Computer beibringen, sie für uns zu entwerfen. Das macht das inverse Design zu einer sehr leistungsfähigen Technik“, sagt Romano.

Die Forscher stießen jedoch auf ein Problem. Aufgrund der Gesetze der Wärmeleitung, nach denen Wärme von warmen zu kalten Bereichen fließt, können diese Strukturen nur positive Koeffizienten codieren. Sie lösten dieses Problem, indem sie die Zielmatrix in ihre positiven und negativen Komponenten aufteilten und diese mit separat optimierten Siliziumstrukturen darstellten, die positive Einträge codieren. Durch Subtraktion der Ergebnisse in einer späteren Phase können sie negative Matrixwerte berechnen.

Außerdem können sie die Dicke der Strukturen anpassen, wodurch sie eine größere Vielfalt an Matrizen realisieren können. Dickere Strukturen haben eine höhere Wärmeleitfähigkeit. „Die richtige Topologie für eine bestimmte Matrix zu finden, ist eine Herausforderung. Wir haben dieses Problem gelöst, indem wir einen Optimierungsalgorithmus entwickelt haben, der sicherstellt, dass die entwickelte Topologie so nah wie möglich an der gewünschten Matrix liegt, ohne seltsame Teile zu enthalten“, erklärt Silva.

Mikroelektronische Anwendungen

Die Forscher testeten die Strukturen mithilfe von Simulationen auf einfachen Matrizen mit zwei oder drei Spalten. Diese kleinen Matrizen sind zwar einfach, aber für wichtige Anwendungen wie Fusionssensoren und Diagnostik in der Mikroelektronik relevant. Die Strukturen führten in vielen Fällen Berechnungen mit einer Genauigkeit von über 99 Prozent durch.

Allerdings ist es noch ein langer Weg, bis diese Technik für groß angelegte Anwendungen wie Deep Learning eingesetzt werden kann, da Millionen von Strukturen miteinander verbunden werden müssten. Je komplexer die Matrizen werden, desto ungenauer werden die Strukturen, insbesondere wenn der Abstand zwischen den Eingangs- und Ausgangsanschlüssen groß ist. Darüber hinaus haben die Geräte eine begrenzte Bandbreite, die erheblich erweitert werden müsste, wenn sie für Deep Learning eingesetzt werden sollen.

Da die Strukturen jedoch auf überschüssiger Wärme basieren, könnten sie direkt für Aufgaben wie das Wärmemanagement sowie die Erkennung von Wärmequellen oder Temperaturgradienten in der Mikroelektronik eingesetzt werden. „Diese Informationen sind von entscheidender Bedeutung. Temperaturgradienten können zu thermischer Ausdehnung führen und einen Schaltkreis beschädigen oder sogar zum Ausfall eines gesamten Geräts führen. Wenn wir eine lokale Wärmequelle haben, wo wir keine Wärmequelle wollen, bedeutet das, dass wir ein Problem haben. Mit diesen Strukturen könnten wir solche Wärmequellen direkt erkennen und sie einfach anschließen, ohne dass wir digitale Komponenten benötigen“, sagt Romano.

Aufbauend auf diesem Proof-of-Concept wollen die Forscher Strukturen entwickeln, die sequenzielle Operationen ausführen können, wobei die Ausgabe einer Struktur zur Eingabe für die nächste wird. Auf diese Weise führen maschinelle Lernmodelle Berechnungen durch. Sie planen außerdem die Entwicklung programmierbarer Strukturen, mit denen sie verschiedene Matrizen codieren können, ohne jedes Mal mit einer neuen Struktur von vorne beginnen zu müssen.(sg)

(ID:50700745)