Le MIT transforme la chaleur en calcul : des puces qui « réfléchissent » grâce à la chaleur résiduelle et menacent de révolutionner l’efficacité de l’IA

Des ingénieurs du MIT ont présenté une preuve de concept pour le calcul analogique thermique : des structures microscopiques en silicium qui effectuent des calculs en utilisant la chaleur résiduelle plutôt que l’électricité. Ces travaux, publiés le 29 janvier dans Physical Review Applied , démontrent la multiplication matricielle avec une précision supérieure à 99 % dans les petits cas, une opération fondamentale en apprentissage automatique. Cette avancée repose sur la « conception inverse », où un algorithme optimise la géométrie pour obtenir la fonction souhaitée. Cette proposition ouvre la voie à des dispositifs plus efficaces et à de nouveaux outils de diagnostic des points chauds dans la microélectronique, à l’heure où les besoins énergétiques de l’informatique ne cessent de croître.

Calculez avec ce qui reste

La démonstration du MIT atteint une précision supérieure à 99 % dans la multiplication de petites matrices (deux ou trois colonnes) en utilisant la chaleur comme signal d'entrée , et non comme sous-produit à dissiper. Le principe est simple : les données sont encodées sous forme de températures spécifiques, et la chaleur se diffuse à travers une structure de silicium poreux de la taille d'une particule de poussière. Au final, la sortie est lue sous forme de puissance thermique accumulée dans une zone maintenue à température fixe, et la géométrie « contient » les coefficients de calcul.

L'idée renverse la logique habituelle de l'électronique : au lieu de dépenser de l'énergie pour le calcul puis pour le refroidissement, le gradient thermique lui-même devient vecteur d'information . Caio Silva, l'auteur principal, résume ce changement de perspective par une phrase qui le définit : « utiliser la chaleur comme forme d'information ». En termes d'ingénierie, cela ouvre des perspectives intéressantes pour les situations où la chaleur est déjà présente – par exemple, à proximité de composants chauds – et où chaque watt supplémentaire de refroidissement pénalise le coût, l'autonomie de la batterie ou la taille du système.

Conception inverse et limites

Le véritable progrès réside non seulement dans le concept, mais aussi dans la conception : les structures étant trop complexes pour être créées « à l’œil nu », l’équipe utilise un logiciel de conception inverse . Dans cette approche, les chercheurs définissent d’abord la fonctionnalité (par exemple, une opération matricielle spécifique), puis l’algorithme itère jusqu’à trouver une géométrie produisant la réponse thermique souhaitée. Giuseppe Romano souligne que la puissance de cette technique tient précisément au fait qu’elle substitue une intuition limitée par une optimisation informatique, une démarche qui s’inscrit pleinement dans la conception actuelle des matériaux et des métamatériaux.

Cependant, cette avancée présente un inconvénient majeur : à mesure que la complexité des réseaux augmente, la précision diminue et des goulots d’étranglement de la bande passante apparaissent pour les applications d’apprentissage profond. De plus, l’application à des problèmes concrets rencontrés par les modèles modernes nécessiterait d’assembler des millions de structures et de gérer leurs communications sans perte de signal ni problème de régulation thermique. Autrement dit : aujourd’hui, il s’agit d’une démonstration de faisabilité convaincante ; demain, l’architecture, la fabrication et le conditionnement devront relever des défis encore non résolus.

De l'IA à la maintenance industrielle

Au-delà de la course à l'accélération de l'IA, les résultats suggèrent des applications immédiates, moins spectaculaires mais néanmoins très précieuses : le diagnostic et la gestion thermique en microélectronique . Romano l'explique ainsi : une source de chaleur localisée là où elle ne devrait pas se trouver indique un problème ; ces structures pourraient détecter directement ces points sans ajout de composants numériques. Dans un monde de centres de données, d'électronique de puissance et d'appareils compacts, la conversion de la chaleur en un signal peut faciliter la maintenance prédictive, réduire les pannes et, par conséquent, éviter les remplacements prématurés et la production de déchets électroniques.

C’est là que l’aspect développement durable entre en jeu : la chaleur résiduelle est une forme d’énergie déjà payée. Si une partie des calculs pouvait être effectuée en exploitant cette chaleur, l’efficacité globale du système pourrait s’améliorer, notamment dans les environnements où le refroidissement est coûteux ou limité. Cela ne signifie pas que la consommation d’électricité disparaîtrait , mais cela ouvre la voie à une nouvelle stratégie : redistribuer une partie du « travail » à des phénomènes physiques existants, au lieu de concentrer tous les calculs sur des transistors, avec les coûts thermiques que cela implique.

Vers des opérations séquentielles

La prochaine étape pour l'équipe consiste à concevoir des structures capables d'effectuer des opérations séquentielles , en alimentant les calculs suivants avec les résultats obtenus – une condition essentielle pour reproduire le traitement de l'information par un modèle d'apprentissage automatique. Cette avancée serait plus qu'incrémentale : elle permettrait la construction de « couches » thermiques, où chaque bloc effectue une transformation et transmet le résultat au suivant. Si la stabilité est assurée, on pourrait envisager des coprocesseurs thermiques spécialisés pour des tâches spécifiques, intégrés à proximité des points chauds où, aujourd'hui, l'accent est mis uniquement sur l'extraction de la chaleur.

Mais la barre est haute : le calcul thermique exige une maîtrise des matériaux, de la porosité, du contact thermique, du bruit et des variations de fabrication. De plus, le temps de diffusion de la chaleur et le mode de lecture des données de sortie déterminent la latence et les performances. La question pratique majeure est de savoir si les économies d'énergie nettes compensent la complexité lors du passage de petits réseaux à des charges de travail réelles, et si cette approche est mieux adaptée à des applications de niche (détection/diagnostic, filtres physiques, accélérateurs spécialisés) qu'au calcul généraliste.

Les déchets comme infrastructure

L'idée principale sous-tend ce titre : il faut cesser de considérer la chaleur comme un ennemi et commencer à l'appréhender comme une ressource. Si l'industrie parvient à convertir une partie de la chaleur résiduelle en puissance de calcul utile, la conception matérielle pourrait évoluer : au lieu de « calculer puis refroidir », on passerait à « calculer avec la chaleur déjà générée par le système ». Cela ne remplace pas des stratégies comme l'amélioration du rendement des puces numériques ou l'optimisation des logiciels, mais cela ouvre une nouvelle voie : le calcul analogique physique pour les tâches où la précision absolue n'est pas essentielle et où la moindre consommation d'énergie compte.

L'impact réel dépendra de la capacité de ce concept à sortir du laboratoire et à s'intégrer aux chaînes de production, aux normes et aux outils de conception. En cas de succès, il pourrait transformer non seulement les performances, mais aussi notre façon de mesurer l'efficacité : non plus seulement les FLOPS par watt, mais aussi l'information utile par unité de chaleur inévitable . Dans un écosystème où la demande en puissance de calcul croît plus vite que les capacités de refroidissement durables, cette évolution pourrait s'avérer moins une simple curiosité scientifique qu'une nécessité stratégique.