熱力學計算機：讓噪聲替你算題

你有沒有想過，你面前這臺高速運轉的電腦，每秒鐘都在和一個看不見的敵人瘋狂搏斗？這個敵人比你想象的要普遍得多，它無處不在，甚至就在你的身體里。它就是熱噪聲——原子在溫度高于絕對零度時毫不停歇的隨機晃動。這種晃動足以讓計算機里代表0和1的微小電壓意外翻轉，把一個本該是1的比特位“抖”成0，讓一次精確計算瞬間跑偏。為了不讓這種事情發生，工程師們不得不把開關電壓抬得高高的，遠高于環境里那些隨機的熱攪動，硬扛著能耗往上堆。可你有沒有想過，如果有一天，我們不再把這些惱人的噪聲當成敵人，而是干脆請它來做計算，會怎么樣？

你不是第一個這么問的人。有一群研究人員已經沿著這個反直覺的思路，開辟了一個叫“熱力學計算”的嶄新領域。這個想法說出來有點瘋狂：既然宇宙里到處都有熱力學漲落在那兒不停擾動一切，與其拼命阻止它，為什么不順著它來，把這種隨機波動直接當成計算資源來用？這就好比以前你推車過一條坑坑洼洼的路，總想找一條最平的道；現在你干脆把車轱轆設計成能利用坑洼的力量，一顛一顛反而自己往前走。

這件事并不是憑空冒出來的頭腦風暴。2019年，美國計算社區聯盟為熱力學計算舉辦了第一場專題研討會。自那以后，一個規模不大但很活躍的研究社區一直想把紙面上的想法推進到真實的電路里。就在最近，有人用標準的硅基邏輯電路做了模擬，結果表明，熱力學計算的基本概念在原理上似乎行得通。對，只是“似乎”，還沒有哪個團隊做出一臺完整的樣機，但從目前拿到的結果來看，利用噪聲來計算這條路，至少沒有撞到一堵不可能的墻。

這個方向如果真能跑通，帶來最直接的好處就是你幾乎可以想象一臺不發熱的電腦。今天的數據中心堆著密到不能再密的芯片，光是為了不讓它們把自己熱到熔毀，就已經耗掉了海量的電。而熱力學計算機天然就順著能量的流動走，功耗非常低，散熱量也非常低。這對一個電力越吃越緊的世界來說，誘惑力太大了。而它更深遠的可能性，甚至比節能本身還要刺激——它有可能徹底改變我們對“計算是怎么回事”的理解。

想要弄明白這是怎么一回事，我們先得把鏡頭退到物理課本里那條誰都聽過的鐵律：熱力學第二定律。簡單說就是，一個封閉系統里的熵永遠不會自己變小，事情只會往越來越亂的方向演化。這種“越來越亂”的背后，是能量會不斷地以隨機熱運動的方式耗散掉。這些毫無方向、一團亂碼似的熱漲落，通常被我們看作徹頭徹尾的廢物，除了攪局什么好處都沒有。可是，自然界里恰恰就有些過程，偏偏是靠著這些隨機亂跳，自己摸索出一條通往更有秩序狀態的路。換句話說，噪聲本身并不總是粉碎秩序的兇手，有時候它也是一把雕刻刀。

加拿大西蒙弗雷澤大學的統計物理學家戴維·西瓦克說過一句很妙的話：“我覺得熱力學計算這個想法，從一開始就是搭了順風車——我們身邊的世界早就在用這種方式‘計算’了，只不過以前沒人給它貼上計算的標簽。”他說的沒錯，如果你去細看某種蛋白質怎么在細胞里自發折疊成立體結構，或者某種分子怎么在溶液里精準地找到結合位點，你會看到大量無規則的碰撞和振動，結果卻導向了一個看起來高度有序的結局。這些過程本質上都是熱力學的，甚至可以說，它們在用一種我們過去沒意識到的、免費的計算邏輯。

那么，把這層邏輯搬進電腦里，具體怎么搬？我們需要搬出一張地圖。在熱力學里，任何一個物理系統隨時間的變化，也就是它的動力學，都可以被畫成一條穿越“能量景觀”的軌跡。這張“能量景觀”你可以想象成一片綿延起伏的山區地形，每個位置對應系統此刻各個部分的某種排列方式，而海拔高度就是那種排列的能量。系統總是傾向于往低處滑，但熱隨機漲落時不時會給它一個推力，讓它翻過一個原本爬不上去的小山包，掉進更深的谷底。在過去的設計里，我們小心翼翼地把計算過程綁死在一條指定好的路線上，遇到隨機推力就趕緊控制住；而在熱力學計算的新思路里，我們干脆把地形本身設計好，然后就讓系統在真實的熱噪聲里自由游蕩，它自然就會以某種概率分布停留在最能反映答案的那些“山谷”里。

這聽起來有點像你在黑夜里找路，而地面上某些地方微微發著熱。你不需要一張精確的地圖，也不用一步一步死算，你只要讓身體感受到哪里更暖就朝哪里走，一陣風把你往左吹，你順勢調整，說不定比死板直行還更早到達。這個“風”就是環境里不可避免的熱漲落。我們以前拼命給它加屏蔽，現在反而要讓它參與進來，甚至把它的無序感當成一種隨機采樣器。這個想法的妙處在于，它不是用一個中央處理器硬算所有可能性，而是讓物理系統自己作為自己的“模擬器”，自然而然地遍歷各種配置，答案就在最終穩定下來的那個熱力學平衡態里。

說到這里，你可能已經開始感覺到，熱力學計算跟我們熟悉的經典計算和量子計算都有點像，但又完全不是一回事。經典計算的邏輯門就像一列列永遠按時準點的火車，每比特都要求極度確定，絕對不能被一粒噪聲石子絆一下。量子計算則是把比特換成量子比特，利用疊加態和糾纏來做并行探索，但量子系統也極其脆弱，任何一點來自環境的擾動都會讓量子態坍縮，所以量子計算機至今還要泡在比太空還冷的環境里。熱力學計算不同，它主動擁抱環境擾動，甚至離了熱噪聲就轉不起來。從這個角度看去，熱力學計算跟經典計算之間的關系，有點像進化算法和精確公式推導之間的區別：一個是在混亂里摸爬滾打，結果自然浮現；一個是處處干凈利落，容不下半點隨機。

那么，到底是正方贏了還是反方贏了？如果我們把“噪聲是敵人”列為正方，把“噪聲是朋友”列為反方，現在這場辯論到了什么階段？

必須誠實地說，到目前為止，正方的根據地還非常牢固。全世界幾乎每一塊正在運行的芯片，無論手機里的還是一臺超級計算機里的，都還在堅定不移地把熱噪聲當成死對頭，用盡各種手段壓制它。這個邏輯在七十多年的半導體發展史里已經被驗證了無數遍，成熟、可靠、路徑明確。反方，也就是熱力學計算這邊，確實拿出了初步的證據，證明了基本概念原則上可以跑通，但所謂的“原則性驗證”離造出一臺能跟你手機PK的實物，中間還隔著長到難以估量的距離。那些模擬實驗用的還是我們熟悉的CMOS電路，只是在運行模式和設計理念上做了調整，它還不能證明在能耗、速度、可靠性這些實打實的指標上能打敗現有方案。更關鍵的是，熱力學計算天然帶有概率性，輸出的結果很可能不是每次都100%一致，這種“差不多對”的特性，在有些場景下可以接受，在要求絕對精確的任務面前就完全不適用。就像你不能讓一座核反應堆的控制系統靠概率來工作，哪怕正確率99.99%，剩下一絲隨機也足以讓人冷汗直冒。

但這些弱點并不能否定熱力學計算的價值，因為它瞄準的可能根本不是“通吃”。它真正的賽道或許在那個經典計算越來越吃力的地帶：大規模組合優化、隨機采樣、物理仿真。這些問題天然就和隨機性親近，經典計算靠蠻力去窮舉或者設計巧妙算法，常常燒掉驚人的能量也只換來一個近似解；而熱力學計算里的那點隨機漲落，在這里反而是最順手的工具。正因如此，一些研究者的眼光已經開始從“取代現有電腦”轉向“嵌入現有電腦”，把熱力學專用加速器作為經典計算的一種外掛，這樣既能保留經典部分的精確可靠，又能在特定問題上把能耗和速度往前推一大截。

還有一件事需要被反復強調：熱力學計算絕不是在造什么“永動機”或“免費算力”。它依然服從熱力學第二定律，它只是換了一種利用能量的方式，把原本要浪費掉的耗散過程，重新馴化進計算的邏輯鏈條里。在新澤西的初創公司Normal Computing里做研究的物理學家帕特里克·科爾斯把這句話講得很精煉：“這個領域的全部目標，就是設計出能把熱力學本身當成計算資源的計算機。”請注意，他說的是“當成”，不是“消除”也不是“對抗”。這意味著我們必須接受系統會持續生產熵，持續有能量流進來又流出去。整個計算就像在河里架起一部水車，不奢望把河填平，也不奢望讓水流停住，而是靠水流本身的沖刷來推動磨盤。

要用好這股“水流”，最核心的工程難題就落在怎么塑造那片“能量景觀”上。設計者們需要把一個數學問題——比如一個組合優化問題里幾百個變量的約束條件——映射成一塊實際電路的物理能量地形，讓電路的“最低能量狀態”恰好對應這個問題的最優解。說得更直白一點，他們要把一句“請幫我找出這條路徑的最短走法”翻譯成“請把電路里這些器件的參數調成這個樣子”。然后，接通電源，讓熱噪聲來接管。系統會在各種近鄰狀態之間被漲落推來搡去，有時候走錯了，有時候翻過山頭，但最終會花最多時間泡在能量更低、更穩定的解附近。通過觀察它長時間的停留分布，就可以把那些優質解撈出來。

這個“長時間停留分布”來自物理上一個非常經典的概念——玻爾茲曼分布，它告訴我們在給定溫度下，系統處于某個能量狀態的概率隨能量升高而指數下降。因為指數下降得極快，高能量構型出現的概率微乎其微，計算者的工作就是把問題的答案嵌入低能量的那部分區域。由此可見，溫度這個參數在這里從一個搗亂的東西變成了一個可調旋鈕：溫度太低，系統會凍在局部最小谷底里出不來；溫度太高，隨機擾動就會大到完全抹平能量地形，所有狀態變得差不多，答案混成一片。最優的溫度恰好處在那個讓系統能靈活翻越小障礙又不會完全喪失方向感的微妙區間。這跟模擬退火算法的理念一脈相承，只是過去模擬退火是通過軟件來假裝有熱噪聲，現在卻是物理上真實存在的熱噪聲直接上陣。

到這一步你也許會問：這種依靠真實物理噪聲的計算方式，能快得過軟件模擬嗎？目前還沒有人能給出確切的比較數字，因為實物的實驗還在非常早期的階段。但從道理上推測，當問題的規模大到一定程度，直接用物理系統本身的并發隨機探索，可能比用一步步串行或半并行的傳統算法更省時間。并且，物理系統是天生并行的：成千上萬的電子在電路里同時被熱噪聲推搡，每一個節點都在同時做隨機決策，這種量級的并行度，是任何傳統處理器都難以直接模仿的。當然，這個“可能”還是要用粗體標出來，因為在工程實現上還有無數的困難等著：你怎么保證不同部分之間不會產生你不需要的耦合？你怎么把讀出的結果高效地傳到外面的數字世界？你怎么保證在千萬億次隨機跳躍里，系統沒有某個時刻落進一個你完全預料不到的、毫無意義的物理諧振？這些問題現在都還在一步一步探索中。

即便如此，從2019年那場會議到現在，熱力學計算從一個邊緣概念逐步獲得了基礎驗證，這本身已經是了不起的一步。科研社區正在仔細拆解這些難題。有些人專注在電路拓撲上，他們試圖設計新的存儲單元和邏輯單元，那種單元本身就有一種天然的能量偏好，一旦連成網絡，就能表現出所需的問題映射。另一些人則從算法和理論下手，試圖找到哪些問題類型最適合這種天然的隨機求解器。還有人正在思考一套全新的誤差管理哲學：以前我們要求每一個比特都完美無誤，錯一個就整個系統不可信；熱力學計算帶來的思維轉變是，我們要學會在有已知不確定性的條件下工作，就像天氣預報告訴你明天下雨的概率是70%，你據此帶傘，并不因為它沒有告訴你“絕對下雨”而感到憤怒。在這個框架下，系統本身的可重復性和統計可靠性，就比單次輸出的絕對正確性更重要。

如果你愿意再多想一步，熱力學計算還可能引發一個更深層次的連鎖反應：它迫使我們重新審視“計算”的定義。過去我們把計算看作一個邏輯過程，數據進去，算法跑完，結果出來，中間每一步都可追溯、可復現。熱力學計算則把計算看成一種物理演化：數據變成初始狀態，算法變成系統內部的相互作用和外部熱浴的溫度，結果則是物理演化的最終平衡態或長時統計。這種圖景下，計算和物理模擬之間的界限已經徹底模糊了。事實上，我們自己的身體、生態系統、甚至是整個行星的氣候系統，不都是每時每刻在做著這種熱力學式的“計算”嗎？只不過我們以前不把它叫計算。現在，當我們開始學習刻意設計這樣的物理系統來幫我們解決數學問題的時候，我們其實是在學習向大自然借智慧，而不僅僅是在一堆晶體管里硬刻出邏輯。

所以，回到開頭的那個辯論：噪聲是敵人還是朋友？目前的判斷很清楚——在絕大多數任務上，它依然是需要嚴防死守的敵人；但在某些非常特定的、跟隨機性和優化天然相關的任務上，它有可能變成一位意想不到的盟友。熱力學計算并沒有推翻經典計算的地位，它更像是在經典計算的版圖旁邊，點亮了一塊新的大陸。這塊大陸上，依然全是未知，到處插著“推測”“初步顯示”“尚待驗證”的旗子，沒有什么“劃時代的顛覆”。但可能正是這種謹慎下的開放，才真正符合科學敘事該有的樣子：不把假說包裝成結論，不把早期苗頭說成成熟果實，只老老實實告訴你我們發現了什么，以及我們依然不知道什么。

在你下一次因為電腦風扇狂轉而煩躁的時候，或許可以想一想：那股把你筆記本電腦鍵盤烘得暖烘烘的熱量，背后是不計其數的隨機原子運動，它們正在漫無目的地亂蹦。而就在世界另一個角落的實驗室里，有一群人正在試圖給這種亂蹦賦予意義，讓它去解決我們曾經需要燒掉更多能量才能算出的問題。這一點本身，就挺有意思的。