麻省理工学院研究人员设计出一种创新硅结构，该结构能够利用电子设备中的余热进行计算，而非依赖电力。这种微型结构通过热量在特制材料中的流动和分布实现计算，输入数据被编码成温度值，利用废热计算得出，输出结果则由恒温器收集的功率表示。研究人员利用这些硅结构实现了矩阵向量乘法，准确率超过99%，这一成果为机器学习模型处理信息提供了新的可能。

研究团队通过逆向设计技术，开发出一套能够自动设计导热材料的软件系统。该系统通过迭代算法设计出适合特定任务的几何形状，成功设计出复杂的硅结构，每个结构大小与尘埃颗粒相当，能通过热传导进行计算。面对热传导定律带来的正系数编码限制，研究人员将目标矩阵分解为正负分量，分别用优化的硅结构表示，并通过输出减法运算得到负矩阵值。此外，通过调节结构厚度，他们实现了更多种类的基体，提高了计算的灵活性。

在微电子应用方面，这些硅结构在简单矩阵上展现出超过99%的计算准确率，对于融合传感和诊断等应用至关重要。尽管该技术距离大规模应用于深度学习还有挑战，如需拼接数百万个结构、精度随矩阵复杂度下降以及带宽限制等，但其在热管理和温度梯度检测方面的潜力巨大。研究人员表示，这些结构可直接检测局部热源，无需数字元件，有助于防止热膨胀损坏电路，提升设备稳定性。

出版详情：作者： Caio Silva 等人，标题：《热模拟计算：逆向设计超结构在矩阵向量乘法中的应用》，发表于：《物理评论应用》(2025)。