麻省理工学院（MIT）的研究人员近日宣布，他们设计出一种全新的硅基结构，可以在电子设备内部利用多余的热量，通过热传导这一物理过程来执行计算。相关成果已于 2026 年 1 月 29 日发表在美国物理学会（APS）旗下期刊《Physical Review Applied》上。

这篇论文题为《Thermal analog computing: Application to matrix-vector multiplication with inverse-designed metastructures》。研究团队证明，机器学习等领域中最基础的运算之一——矩阵–向量乘法（matrix-vector multiplication, MVM），可以通过热扩散过程在物理世界中直接完成。

把废热变成“计算资源”：基于热传导的全新模拟计算框架

在传统电子电路中，晶体管开关等行为会产生大量热量，这些热量通常被视为能量损耗，需要通过散热片、风扇或液冷系统等手段排出系统之外。

MIT 的这项研究则从根本上改变了对这部分“废热”的看法：不再把它当作单纯的负担，而是将其视为可以携带和处理信息的物理载体。温度分布以及热流的传播方式遵循热传导方程，这一确定的物理规律本身就可以被“编程”和“利用”。

研究团队据此提出了“热模拟计算（thermal analog computing）”的概念：让温度场的演化过程本身承担计算任务，把原本要被排走的热量，转化为可用的计算资源。

用物理现象做矩阵运算：逆向设计的硅多孔结构

在具体实现上，研究人员在硅基片上构建了精细的多孔结构。通过对这些微结构的几何形状和分布进行精确设计，当在多个输入端施加不同的温度条件时，热量在结构内部的扩散与传导过程，就会自动完成预先设定好的线性运算。

在这个系统中，输入是各个端口的温度，热量在结构中扩散后，在特定输出端汇聚成一定大小的热流（功率），这些输出热流的大小与方向就对应于矩阵–向量乘法的计算结果。整个过程不依赖传统意义上的电子计算单元，而是让热传导这一物理现象本身承担了“运算器”的角色。

精度超过 99%：矩阵–向量乘法的实验验证

研究团队针对矩阵–向量乘法专门设计了相应的硅结构，并进行了实验验证。结果显示，物理系统给出的输出与理论计算结果之间的误差小于 1%，整体精度超过 99%。

矩阵–向量乘法是神经网络等众多机器学习算法的核心基础运算。此次实验表明，基于热的物理计算不仅在概念上可行，而且在精度上已经接近实际应用所需的水平，为未来将此类结构嵌入计算硬件打下了基础。

关键技术：从目标运算“反推”结构的逆向设计

这项工作的技术核心是“逆向设计（inverse design）”。研究人员并不是先随意设计结构再去测试其运算能力，而是先明确希望实现的矩阵运算特性，然后通过数值优化算法，自动搜索并生成能够满足这些特性的硅内部几何结构。

图：利用热流实现矩阵运算的结构示意图。通过将正负成分分离并取差值，得到最终计算结果

对于人类工程师而言，直接凭直觉设计出这样复杂而精细的多孔结构几乎不可能。借助逆向设计算法，研究团队通过反复迭代优化，使得目标计算功能以物理结构的形式“固化”在材料之中。

从实验到应用：规模化与热管理一体化的前景

研究人员也指出，要将这一概念推广到更大规模的计算任务，还面临若干工程挑战。例如，需要探索如何将多个这样的结构单元进行平铺（tile）和集成（integration），以构建更大规模的矩阵运算模块；同时，由于热传导的特性，在处理带有负系数的运算时，需要通过结构分区、正负通道分离等方式进行额外设计。

尽管如此，在电子芯片内部“必然存在的热量”被重新利用这一思路，在能效方面具有明显吸引力。未来，如果能将热管理与计算功能在芯片层面进行一体化设计，有望诞生新一代同时兼顾散热与计算的混合型芯片架构。

总体来看，这项研究展示了一条不同于传统电子计算的新路径：把过去被视为纯粹损耗的废热，转化为可执行实际任务的计算资源，为信息处理技术提供了全新的物理实现方式。