Računanje s toplinom: MIT-ov pristup koji pretvara otpadnu toplinu u “signal” za izračune
U elektronici je toplina uglavnom nusprodukt: što je čip snažniji, to se veći dio energije na kraju pretvara u zagrijavanje kućišta, pakiranja i okolnih slojeva materijala. Inženjeri se zato desetljećima bave hlađenjem, rasporedom komponenti i optimizacijom potrošnje, jer pregrijavanje skraćuje vijek uređaja i ograničava performanse. Tim s Massachusetts Institute of Technologyja (MIT) predlaže obrat koji na prvi pogled zvuči kontraintuitivno. Umjesto da se višak topline tretira isključivo kao problem koji treba odvesti s čipa, toplina se može koristiti kao nositelj informacije, a samo širenje toplinskog toka može “odraditi” dio izračuna. Ideja je jednostavna u polazištu, ali tehnički zahtjevna: oblikovati materijal tako da njegovo termalno ponašanje odgovara zadanoj matematičkoj operaciji.
U radu dostupnom u trenutku pisanja 30. siječnja 2026., čija je verzija preprinta datirana 29. siječnja 2026., autori Caio Silva i Giuseppe Romano opisuju mikroskopske silikonske metastrukture koje mogu izvoditi odabrane linearne izračune oslanjajući se na provođenje topline. Ulazni podaci nisu nule i jedinice, nego skup temperatura koje se nameću na ulaznim “portovima” strukture. Toplina se potom širi kroz posebno oblikovan uzorak, a raspodjela temperature i toplinskog toka postaje fizička realizacija izračuna. Na izlazu se rezultat ne očitava kao digitalni broj, nego kao snaga odnosno toplinski tok prikupljen na izlaznim terminalima koji se održavaju na referentnoj temperaturi, poput svojevrsnog termostata u mikrorazmjeru. U praksi bi se time, barem u određenim scenarijima, moglo računati bez dodatne električne energije, koristeći “otpad” koji uređaj ionako proizvodi.
Takav pristup spada u analogno računarstvo, gdje se informacija obrađuje kontinuiranim fizikalnim veličinama umjesto digitalnim prebacivanjem logičkih stanja. Analogni sustavi posljednjih godina dobivaju novu pozornost zbog rastućih energetskih zahtjeva moderne obrade podataka i zbog uskih grla u prijenosu podataka između memorije i procesora. U slučaju topline, nositelj signala već postoji u svakom procesoru, naponskom regulatoru ili gusto pakiranom sustavu na čipu. Autori zato naglašavaju da ne ciljaju zamjenu klasičnih procesora, nego novu klasu pasivnih termalnih elemenata koji mogu služiti termalnom mapiranju, detekciji izvora topline i lokalnoj obradi signala u mikroelektronici. Time se toplina prestaje promatrati samo kao ograničenje i postaje aktivni dio arhitekture uređaja.
Kako se izračun “upiše” u materijal
Ključ tehnologije nije u egzotičnom materijalu, nego u geometriji. U klasičnom inženjerskom pristupu prvo se osmisli struktura, a zatim se provjerava kako se ponaša. Ovdje je postupak obrnut: najprije se precizno zada koja matematička transformacija treba nastati, a računalni algoritam potom traži geometriju koja će širenjem topline proizvesti željeni odnos između ulaza i izlaza. Taj se pristup naziva inverzni dizajn, jer projektiranje polazi od ciljne funkcije i vraća se unatrag do oblika. MIT-ov tim taj je koncept već ranije koristio za dizajn nanomaterijala koji vode toplinu na specifične načine, a sada ga primjenjuje na strukture koje, umjesto “samo” usmjeravanja topline, izvode izračun.
U praksi se uzorak prikazuje kao mreža sitnih elemenata čija se “gustoća” može kontinuirano mijenjati od punog silikona do praznine, što rezultira poroznim uzorkom. Algoritam iterativno prilagođava raspored tih elemenata kako bi rješenje jednadžbe toplinske vodljivosti dalo traženi izlaz za niz ulaznih pobuda. Autori postupak opisuju kao topološku optimizaciju potpomognutu diferencijabilnim termalnim solverom i automatskom diferencijacijom, što omogućuje stabilno računanje gradijenata i ubrzava pretragu prostora rješenja. U takvom okviru računalo ne “pogađa” nasumično, nego koristi informaciju o tome kako mala promjena geometrije utječe na rezultat, pa sustavno približava dizajn ciljnoj funkciji.
Razmjeri su mikrometarski: autori prikazuju dizajne usporedive s česticom prašine, ali unutar te minijaturne površine geometrija je izrazito bogata. Mikropore i kanali mijenjaju lokalnu vodljivost i stvaraju preferirane “koridore” kroz koje toplina lakše prolazi. Time se, u analogiji s električnim mrežama, može kontrolirati kako se toplinski tok raspodjeljuje prema izlaznim portovima. Kada se sustav pobudi zadanim temperaturama na ulazu, toplina traži put najmanjeg otpora, a dizajn je takav da taj put implementira koeficijente zadane matrice. U konačnici, matematička funkcija nije zapisana u softveru, nego u rasporedu pora i “mostova” unutar silikona.
Zašto je množenje matrice i vektora ključno za AI i signalnu obradu
U središtu demonstracije je množenje matrice i vektora (matrix–vector multiplication, MVM), temeljna operacija u signalnoj obradi, regulaciji i strojnom učenju. Velik dio rada modernih modela umjetne inteligencije može se svesti na ogroman broj takvih umnožaka, pa se u industriji i akademiji stalno traže načini da se oni izvode brže i uz manje energije. Zbog toga su i druge analogne platforme, poput memristorskih polja ili fotoničkih čipova, postale važne teme istraživanja. Množenje matrice i vektora zanima i izvan AI-ja: pojavljuje se u filtriranju signala, stabilizaciji sustava upravljanja, obradi slike i u nizu dijagnostičkih postupaka gdje se mali uzorci podataka transformiraju u korisne značajke. Ako se takve operacije mogu izvoditi uz minimalnu dodatnu potrošnju, dobiva se alat koji rasterećuje digitalni dio sustava.
MIT-ov pristup razlikuje se po tome što kao nositelj signala koristi toplinu. Ulazni vektor predstavlja se kao skup nametnutih temperatura na više ulaznih portova, dok se izlazni vektor očitava kao skup prikupljenih snaga na izlaznim portovima koji se održavaju na referentnoj temperaturi. To znači da ulaz “ulazi” kao temperaturni uzorak, a izlaz se “vadi” kao tok energije koji se može mjeriti. Takav hibridni prikaz (temperature na ulazu, snage na izlazu) autori povezuju s proširenjem pojma efektivne toplinske vodljivosti na sustave s više ulaznih i izlaznih točaka. U realnim uređajima to otvara mogućnost da se dio obrade podataka odvija neposredno ondje gdje se toplina već stvara, primjerice uz naponske regulatore, gustu logiku ili periferne senzorske blokove. Umjesto da se točka pregrijavanja samo detektira i hladi, ona bi mogla postati izvor informacije koja se odmah obrađuje.
Problem negativnih koeficijenata i rješenje s razdvajanjem doprinosa
Toplinska vodljivost u najjednostavnijem opisu ima prirodno ograničenje: toplina spontano teče od toplijeg prema hladnijem, pa je teško izravno realizirati “negativan” doprinos u linearnom mapiranju. To je važno jer mnoge matrice u obradi signala, a posebno one povezane s transformacijama, imaju i pozitivne i negativne koeficijente. Istraživači zato razdvajaju ciljnu matricu na pozitivni i negativni dio. Umjesto da jedna struktura nosi cijelu matricu, projektiraju se odvojene strukture koje realiziraju samo pozitivne doprinose, a zatim se rezultat kombinira oduzimanjem izlaznih snaga kako bi se dobila efektivna negativna vrijednost u ukupnom izračunu. Na taj način ograničenje fizike toplinskog toka pretvara se u dizajnerski korak: negativnost se ne “izmišlja” u materijalu, nego se postiže razlikom dvaju pozitivnih mjerenja.
Dodatni stupanj slobode daje se i kroz debljinu strukture. Deblji uzorci, uz isti lateralni raspored pora, mogu provesti više topline, što mijenja efektivnu težinu pojedinih putanja i proširuje skup matrica koje se mogu približiti. Autori navode da je pronalaženje “prave topologije” za zadanu matricu zahtjevno jer optimizacija mora istodobno pogoditi željeni matematički odnos i izbjeći nepraktične ili nestabilne oblike. U tu svrhu razvijaju optimizacijski postupak koji geometriju drži blizu ciljnog mapiranja, ali sprječava pojavu “čudnih” dijelova koji bi povećavali curenje topline ili stvarali neželjene prečace. Time se, barem u simulacijama, dobiva dizajn koji je matematički vjeran i fizički smislen.
Rezultati: visoka točnost na malim matricama i primjeri korisnih transformacija
Prema podacima iz rada, sustav je u simulacijama postizao točnost veću od 99 posto u većini slučajeva na skupu matrica dimenzija 2×2 i 3×3. Iako se na prvi pogled radi o malim dimenzijama, upravo su takvi operatori relevantni za niz zadataka u elektronici, uključujući lokalne filtre, jednostavne transformacije i dijagnostičke postupke. Autori pritom ne ostaju na apstraktnim primjerima, nego prikazuju matrice koje imaju jasnu primjenu u praksi. Među njima su Hadamardova matrica, konvolucijski operatori opisani Toeplitzovim matricama te diskretna Fourierova transformacija, temelj frekvencijske analize u obradi signala. U kontekstu čipova to su upravo one transformacije koje se često izvode velik broj puta, pa je i mala ušteda energije potencijalno značajna.
Važan dio demonstracije je i način na koji se složeniji objekti rastavljaju na više doprinosa. Diskretna Fourierova transformacija uključuje i imaginarne komponente, pa se ciljna matrica rastavlja na više realnih matrica koje se zatim realiziraju zasebnim strukturama, a rezultat se kombinira naknadno. Autori taj pristup koriste i za realizaciju potpisanih koeficijenata te za kontrolu međusobno spojenih izlaza, pri čemu broj potrebnih struktura raste s “težinom” zadatka. U primjerima uspoređuju ciljnu i dobivenu matricu te pokazuju odstupanja reda postotka, ovisno o složenosti i odabranim geometrijama. Važno je i to da se radi o metodi koja, barem prema prikazu, ne počiva na jednoj “čarobnoj” strukturi, nego na principu koji se može primijeniti na različite matrice, uz prilagodbu broja struktura i načina kombiniranja izlaza.
U radu naglašavaju razliku u odnosu na klasične prijedloge “termalne logike” koji nastoje graditi toplinske diode ili tranzistore kao analogiju digitalnim sklopovima. Takvi sustavi obično rade s diskretnim stanjima “vruće/hladno” i time oponašaju digitalno prebacivanje. Ovdje je cilj kontinuirani režim, gdje geometrija usmjerava toplinu tako da se dobije željeni linearni odnos ulaza i izlaza. Takav kontinuitet je bitan jer omogućuje obradu signala bez pretvaranja u niz digitalnih prekidača, što je često izvor potrošnje i kašnjenja. Istodobno, autori ne skrivaju da je riječ o linearnim operacijama i da bi za šire oblike računarstva bile potrebne i dodatne nelinearnosti ili sekvencijalno povezivanje više blokova.
Primjene u mikroelektronici: termalno mapiranje bez dodatne potrošnje
Najizravnija primjena koju autori ističu nije trenutačno pokretanje velikih modela umjetne inteligencije, nego pametnije rukovanje toplinom u mikroelektronici. Uređaji danas često sadrže više temperaturnih senzora, jer su lokalni hotspotovi kritični za pouzdanost: veliki gradijenti mogu uzrokovati mehanička naprezanja, ubrzano starenje materijala i kvarove. Ako se dio termalnog mapiranja i detekcije gradijenata može obaviti pasivno, koristeći samu toplinu kao signal, dobiva se dodatni sloj nadzora bez opterećenja napajanja i bez zauzimanja dodatne površine za klasične senzore. U takvom scenariju termalna metastruktura djeluje kao “analizator” toplinskog uzorka, a izlazni terminali daju mjerljiv signal koji može upozoriti na neželjeni izvor topline ili promjenu radnih uvjeta.
Pristup je posebno zanimljiv u scenarijima gdje je raspoloživa energija ograničena ili gdje svako dodatno grijanje pogoršava problem koji se želi nadzirati. Umjesto da se na čip dodaje niz klasičnih senzora i analogno-digitalnih pretvarača, u dizajn se mogu ugraditi termalne strukture koje lokalno pretvaraju temperaturne uzorke u izlazne signale koji se mogu očitati na rubnim terminalima. Ti se signali potom mogu iskoristiti za raspodjelu opterećenja, za aktivaciju hlađenja ili za ranu detekciju kvarova. Autori spominju i mogućnost da se ovakvi blokovi “ukopčaju” u postojeće sustave bez dodatnih digitalnih komponenti, upravo zato što koriste toplinu koju sustav ionako proizvodi. U konačnici, to je ideja “in-situ” obrade: obrada se odvija ondje gdje nastaje i problem, umjesto da se sve mjeri, šalje i obrađuje na udaljenom digitalnom bloku.
U širem kontekstu istraživanja topline, MIT je posljednjih godina objavljivao radove o alatima za automatski dizajn nanomaterijala koji usmjeravaju toplinski tok, kao i o metodama koje ubrzavaju predviđanje toplinskih svojstava materijala. Novi rad na tu liniju nadovezuje ideju da se toplinski tok ne mora promatrati samo kroz prizmu hlađenja, nego i kao informacijski resurs u samoj elektronici. Takav pomak perspektive posebno je aktualan u doba kada se računalna potražnja brzo povećava, a energetska učinkovitost postaje ograničavajući faktor u podatkovnim centrima, prijenosnim uređajima i industrijskoj elektronici. U tom smislu, “računanje s toplinom” nije samo egzotična demonstracija, nego pokušaj da se fizički nusprodukt pretvori u funkcionalni element dizajna.
Ograničenja i sljedeći koraci: propusnost, skaliranje i programabilnost
Unatoč visokoj točnosti na malim matricama, put do skaliranja je dug. Da bi se ovakav pristup koristio za velike modele dubokog učenja, trebalo bi popločati i povezati velik broj struktura, uz kontrolu šuma, tolerancija izrade i varijabilnosti materijala. U samom radu autori analiziraju i dinamičke granice, jer toplinsko širenje nije trenutačno: signal se širi difuzijom, pa je propusnost ograničena vremenom potrebnim da se sustav “smiri” nakon promjene ulaza. Za primjer strukture s lateralnom dimenzijom od oko 100 mikrometara navode vrijeme smirivanja od približno 83,7 mikrosekundi, što odgovara propusnosti reda veličine oko 1,9 kilohertza. Takve brojke su dovoljne za dio senzorskih i upravljačkih zadataka, ali su daleko od brzina koje se očekuju u klasičnom računanju ili treniranju velikih modela.
Dodatno, kako se povećava složenost matrice i udaljenost između ulaznih i izlaznih terminala, preciznost može padati, a optimizacija postaje osjetljivija. Autori kao prirodnu nadogradnju spominju razvoj arhitekture u kojoj se izlaz jedne strukture može koristiti kao ulaz sljedeće, čime bi se omogućile sekvencijalne operacije. To je važno jer i neuronske mreže i mnogi algoritmi ne rade samo jedan umnožak, nego niz uzastopnih transformacija koje zajedno čine model. Drugi važan smjer je programabilnost: umjesto izrade nove strukture za svaku matricu, cilj je dobiti element koji se može rekonfigurirati i time kodirati različite matrice bez “kretanja od nule”. To bi moglo uključivati aktivne termalne elemente, promjenjive granične uvjete ili druge mehanizme koji mijenjaju efektivnu vodljivost i geometrijsku funkciju.
Ako se ti koraci pokažu izvedivima, termalno analogno računarstvo moglo bi postati specijalizirana tehnologija za termalno aktivna okruženja. Ne bi bila zamjena za klasične procesore, nego dodatak u dijelovima sustava gdje je toplina dominantan faktor i gdje se informacija već “skriva” u temperaturnom polju. U takvim nišama, od detekcije hotspotova do kompaktnijih termalnih senzora i lokalne obrade signala, ideja da se otpadna toplina pretvori u korisnu informaciju mogla bi otvoriti prostor za drugačije, energetski štedljivije dizajne elektronike.
Izvori:- arXiv – preprint “Thermal Analog Computing: Application to Matrix-vector Multiplication with Inverse-designed Metastructures” (PDF, verzija datirana 29. siječnja 2026.) (link)
- American Physical Society (Physical Review Applied) – stranica prihvaćenog rada s DOI 10.1103/5drp-hrx1 (status prihvaćanja; navodi prihvaćanje 23. prosinca 2025.) (link)
- Zenodo – repozitorij podataka/softvera uz rad (verzija objavljena 24. prosinca 2025.) (link)
- MIT News – članak o sustavu za računalni dizajn nanomaterijala koji usmjeravaju provođenje topline (pozadina metode inverznog dizajna) (link)
- MIT News – tekst o metodama za brže predviđanje toplinskih svojstava materijala (širi kontekst istraživanja) (link)
Kreirano: petak, 30. siječnja, 2026.
Pronađite smještaj u blizini