No universo dos semicondutores, o calor é o tributo inevitável — um subproduto da computação que precisa ser gerenciado, ventilado ou resfriado a um custo elevado. Uma equipe do Institute for Soldier Nanotechnologies do MIT, no entanto, propõe uma mudança de paradigma: tratar o calor residual não como um incômodo, mas como meio para a própria computação. Ao substituir pulsos elétricos por gradientes de temperatura, os pesquisadores demonstraram uma forma de computação analógica que funciona sem fonte de energia tradicional.
O sistema codifica dados como um conjunto de temperaturas, e não como zeros e uns binários. Usando microestruturas de silício moldadas por um algoritmo de otimização baseado em física, a equipe direciona o fluxo de calor para executar multiplicações de matriz por vetor — a base matemática do aprendizado de máquina moderno e dos grandes modelos de linguagem. O resultado é lido como a potência coletada na extremidade terminal. Nos testes iniciais, essa lógica térmica alcançou taxas de precisão superiores a 99%, o que sugere que a física da transferência de calor pode espelhar de forma confiável a lógica do código binário.
Apesar do avanço, o caminho até a integração comercial permanece íngreme. Escalar a tecnologia para lidar com os milhões de operações exigidas por modelos modernos de deep learning é um obstáculo considerável; à medida que as matrizes se tornam mais complexas, os sinais térmicos perdem precisão com a distância. Ainda assim, a utilidade imediata pode estar no sensoriamento de "potência zero". Ao reaproveitar o calor ambiente já presente nos dispositivos eletrônicos, essas estruturas poderiam detectar anomalias térmicas ou monitorar a integridade de equipamentos sem consumir um único watt adicional de eletricidade.
Com reportagem de MIT Technology Review.
Source · MIT Technology Review
