麻省理工学院工程团队近日展示了一种以热量作为信息载体的硅基计算方案：通过在硅材料上加工微型结构，引导热流按预设路径传播，使其在不依赖晶体管开关的情况下完成矩阵运算。在相关测试中，该热能驱动器件的矩阵计算准确率最高达到99%，研究人员认为这使热计算从概念验证进一步接近可用水平。

以温差编码输入，用结构“实现算法”

据介绍，这类器件的基本思路是将热量视为可被“路由”的信号。研究人员在硅片上构建特定几何形状的微结构，使热能从一侧传递到另一侧时形成可预测的温度分布。当输入矩阵以温度模式的形式施加后，器件内部的结构设计会将其转换为新的温度场分布，并以此编码计算结果。研究人员将这一机制概括为：器件的形状本身承担了算法功能。

“尘埃大小”结构完成矩阵乘法

研究团队制作的核心单元为尺寸极小的硅结构，表面刻有复杂通道与区域，用于精确引导热流。每个结构可被视为某一特定矩阵的物理实现：当输入向量以一组温差形式进入后，热量在结构中传播并一次性完成乘法映射，输出端形成对应矩阵乘法结果的温度分布。

研究人员指出，矩阵运算是3D图形处理与神经网络等任务的基础，因此即便是单个经过校准的热计算单元，也可对应多类工作负载。相关报道提到，在多种测试输入下，这些微型器件在矩阵乘法任务中多次实现最高99%的准确率，显示热信号在微观尺度上仍可被精确控制。

依赖仿真迭代设计，并以硅工艺实现

在制造前，团队通过大量仿真筛选结构形状与布局，评估不同输入模式下热量扩散与输出温度场的对应关系，并反复调整几何参数，使仿真结果与目标矩阵运算匹配。研究人员表示，这一虚拟设计流程使其能够在实际加工前测试更多配置，同时评估计算结果对制造偏差的敏感性。

仿真阶段主要聚焦于较小规模问题，例如两列或三列的简单矩阵，以便分析与验证。团队在报告中称，同一仿真框架原则上可扩展至更复杂矩阵，面向深度学习等数据密集型任务，但更大规模设计尚未完全实现硬件化。

99%准确率的意义

研究人员强调，尽管数字计算通常追求完全精确，但在部分现代工作负载中，尤其是人工智能相关任务，允许一定数值误差。此次结果显示，在依赖本质上属于模拟过程的热传导机制下，器件仍可在矩阵运算中达到最高99%的准确率。团队同时表示，在与理想数学输出对比时，部分测试情况下结果可达到百分之百一致，且该准确率来自系统测量而非单一样本。

面向废热利用的潜在方向

该研究提出一种可能路径：将芯片与系统运行中产生的废热从“需要被移除的负担”转化为可被利用的计算资源。研究人员认为，由于器件采用硅材料制造，理论上可与传统微电子工艺并存，并在现有系统中利用难以散发的热量作为输入来源。团队指出，当前原型结果表明概念已跨过关键门槛，但若要进入实际部署仍需进一步工程化工作。