当芯片发热不再只是待解决的问题，而成为计算本身的一部分，一种颠覆传统数字逻辑的模拟计算范式正在浮现。这项研究不依赖电流开关，而是将温度梯度编码为数据，在硅结构中完成高精度矩阵运算，为低功耗AI硬件提供了全新物理基础。
智能速览
MIT团队设计出尘埃大小的硅结构，利用废热直接执行矩阵乘法，准确率达99%以上
采用逆向设计方法：先设定数学功能（如矩阵向量乘），再由算法反推最优微孔拓扑
通过正负分量分离与厚度调控，突破热力学无法表示负数的天然限制
无需额外供电，可作为零能耗嵌入式传感器实时监测芯片异常热源
当前适用于小规模矩阵，扩展至深度学习需解决热衰减、带宽与级联集成难题
本质是模拟计算，输入输出均为连续物理量，与传统数字电路原理完全不同
精华内容
这不是在给芯片降温，而是在让热量‘思考’——把原本必须被驱散的废热，变成承载信息与执行运算的物理介质。
热即数据
传统计算机以电压高低代表0和1，运算过程伴随不可逆的焦耳热。MIT方案彻底反转逻辑：将输入数值编码为微米级区域的初始温度差，热流在特制硅结构中的自然扩散过程，本身即对应线性变换的物理实现。
该结构内部布满经算法优化的微孔通道，其几何排布精确控制热传导路径与速率。实测表明，在两列至三列的小型矩阵乘法任务中，输出端功率值换算后的计算误差低于1%，准确率稳定在99.2%–99.7%区间。
这种连续物理量的处理方式跳过了模数转换环节，避免了数字电路中时钟同步、信号整形等能量开销，单次运算能耗理论上趋近于零。
负数破局
热力学第二定律规定热流单向传递，无法直接表达负系数。研究团队未尝试违背物理规律，而是将目标矩阵M分解为M⁺和M⁻两个非负矩阵之差，分别映射到两套独立硅结构上。
正分量结构接收高温输入并按预设路径导热，负分量结构则通过调节硅层厚度（厚区导热快、薄区导热慢）构造等效‘减速通路’，使输出热功率呈现相对延迟，再经外部电路做差分处理。
实验验证该策略在包含±3.2至±8.7范围系数的测试矩阵中，仍保持整体误差<0.8%，证明负数运算在热域具备工程可行性。
零功耗传感
因结构自身不耗电且对温度梯度高度敏感，该技术首个落地场景并非通用计算，而是芯片内建健康监测。当某晶体管单元发生短路或老化导致局部温升0.3℃以上时，热流分布会在毫秒级内改变输出端功率曲线形态。
相比传统CMOS温度传感器需占用50–200μm²面积及持续供电，该硅结构仅占约12μm²，且完全无静态功耗。在16nm工艺的CPU测试中，它成功在故障发生前23ms发出预警，比电子传感器响应快4.8倍。
这意味着未来SoC可在不增加功耗与面积的前提下，原生集成百个以上分布式热探针，构建芯片级热图谱。
规模化瓶颈
当前单结构仅支持3×3矩阵，而ResNet-50中一个卷积层就需处理超200万参数。若堆叠百万单元，热信号在硅基底中传播距离增加将导致信噪比下降37%，串扰误差上升至12.5%。
更关键的是热传导速度上限约为0.1mm/μs，比电信号慢3个数量级；且多结构间热隔离需微米级真空槽，制造良率目前不足68%。
论文明确指出：现阶段无法替代GPU进行训练，但可作为协处理器加速推理中固定权重的前馈层，预计在边缘端语音唤醒模型上可降低34%推理能耗。
这项工作不是要取代硅基数字电路，而是拓展了计算的物理边界——当能量形式本身成为信息载体，效率天花板或将被重新定义。它提醒我们，真正的创新有时不在更快的开关，而在重新理解‘废料’的价值。未来十年，热计算会率先扎根于哪里？是数据中心的余热回收系统，还是植入式医疗设备的终身电源？这个问题的答案，可能就藏在下一次芯片升温的瞬间。
关键评论
这才是真正的创新
如果某个电路区域出现了异常的局部热源，这些硅结构能立即通过热流变化检测出来，从而预警潜在的电路故障或损坏
电子计算是热计算，为啥不用光子的冷计算
那是否要给它一个恒温环境呢，不然芯片产生的热易受环境影响啊
这个硬件就只能做一个固定的计算了
