Компьютеры на тепловом шуме: энергоэффективная альтернатива классическим и квантовым системам

Современные вычислительные системы потребляют огромное количество энергии отчасти потому, что вынуждены бороться с тепловым шумом — хаотичным движением электронов в проводниках. Чтобы сигнал был различим на фоне этих помех, классические компьютеры работают при энергиях, в тысячи раз превышающих энергию самого шума. Это гарантирует стабильность вычислений, но делает их крайне неэффективными с термодинамической точки зрения, в отличие от нового подхода.

Термодинамические вычисления переворачивают традиционную парадигму: вместо подавления флуктуаций они используют их как движущую силу. Такой компьютер может работать при комнатной температуре, потребляя минимум внешней энергии, что делает его идеальным кандидатом для развития микроэлектроники за пределами закона Мура. Однако до сих пор перед технологией стояли две проблемы: необходимость ждать наступления теплового равновесия для каждого расчёта и ограниченность решаемых задач лишь линейной алгеброй.

В новом исследовании учёные нашли способ преодолеть эти ограничения. Используя цифровое моделирование, они показали, что если создать нелинейные компоненты, термодинамический компьютер сможет выполнять сложные нелинейные вычисления (подобно нейросетям) в любой заданный момент, не дожидаясь равновесия. Это превращает его в аналог нейронной сети, где каждый элемент ведёт себя как искусственный нейрон, что открывает путь для решения задач машинного обучения.

Чтобы обучить такую стохастическую систему (где каждый расчёт уникален), исследователи применили эволюционные алгоритмы на суперкомпьютере Perlmutter. Перебрав более триллиона симуляций с помощью 96 графических процессоров, они научились находить оптимальные параметры сети. Хотя процесс обучения энергозатратен, готовая физическая система будет потреблять минимум энергии. Теперь учёные ищут партнёров для создания реального «железа» и разрабатывают новые алгоритмы, чтобы сделать термодинамические вычисления одним из самых эффективных методов будущего.