科學家團隊提出了一種名為“熱力學計算”的全新計算模式，理論上可將人工智能圖像生成所需的能耗大幅削減至現有水平的百億分之一。這項突破性研究由勞倫斯伯克利國家實驗室主導，其核心原理是通過利用物理系統的自然熱運動完成計算，而非傳統數字芯片依賴的晶體管開關操作。

傳統計算機通過晶體管的“開/關”狀態表示二進制數據，這種模式需要持續消耗電能維持運算狀態。研究團隊提出的熱力學計算則借鑒了自然界的能量流動規律，通過設計特定的物理系統，讓其在熱平衡過程中自動呈現最優解。科學家形象地比喻道：“這就像引導水流自然匯入低洼處，而非用泵強行改變水流方向。”

主導該研究的斯蒂芬·懷特蘭姆博士與科內爾·卡塞特博士在《自然-通訊》期刊發表的論文中，首次提出了構建“熱力學神經網絡”的理論框架。他們隨后在《物理評論快報》發表的補充研究中，通過傳統計算機模擬驗證了這種新型計算架構的可行性。研究指出，數字芯片需要額外能量制造偽隨機噪聲，而熱力學系統可直接利用環境中的自然熱波動作為計算資源。

紐約初創企業Normal Computing已率先開展硬件實踐，開發出包含八個諧振器的原型芯片。該系統通過特制耦合器連接諧振器，在計算過程中主動引入環境噪聲，待系統自然達到熱平衡狀態后，諧振器的最終配置即代表計算結果。這種設計從根本上消除了模擬噪聲所需的能源消耗，為低功耗計算提供了全新路徑。

盡管實驗原型已驗證理論可行性，研究人員坦言當前技術仍處于萌芽階段。現有設備在計算規模、穩定性和處理速度上，與英偉達GPU集群等成熟數字系統存在巨大差距。要實現商業化應用，需要在材料科學和芯片架構設計領域取得突破性進展，特別是要解決如何精確控制物理系統熱運動的關鍵難題。