对于Michael Frank来说，效率一直都是他主要的关注点。在上世纪90年代作为学生时，他对人工智能产生了浓厚兴趣。但当意识到这项技术可能消耗大量能源后，他的研究方向转向了探索计算的物理极限：“你能建造出最高效的计算机是什么样的？”不久之后，他找到了一种利用热力学特性的设备——一个能够像向前运行一样向后运行的“可逆计算机”。通过不删除数据，这种计算机可以避免浪费能源。 现代传统计算技术的进步正在放缓，新的芯片面临着无法变得更小的根本物理限制，而可逆计算有望在这种情况下继续推动计算进步。“其他提高能量的方法不多了，”Portland州立大学研究非传统计算方法的Christof Teuscher表示，“可逆计算是一种非常有益且令人兴奋的方式，可以潜在地节省几个量级的能源。” 早在1961年，IBM著名的物理学家Rolf Landauer就揭示了信息丢失与热量产生的关系。当计算机删掉信息时，其芯片中的电子会从已知路径变成未知路径，这些丢弃的电子的能量会转化为热量释放出来。Landauer证明，无论计算机如何设计，每次删除一个比特的信息都不可避免地会产生一定的热量。 Landauer曾认为可逆计算是一个死胡同，因为如果不删除数据，内存会被迅速填满，使计算机变得不可用。然而，他的年轻同事Charles Bennett在1973年提出了另一种办法——反运算（uncomputation）。Bennett的思路是，在进行计算后存储所需的结果，然后将计算过程逆转。这种方法虽然理论上能避免热量损失，但由于需要两倍的计算时间，实际操作中并不实用。 到了1990年代，MIT的一群工程师开始尝试从源头上设计低热量损耗的可逆计算机芯片。Frank于1995年加入这一团队，并成为可逆计算的主要支持者之一。然而，进入新千年之后，由于当时的普通芯片仍在指数级改善，可逆计算的研究受到了冷落，经费支持也变得稀少。 随着计算机电路尺寸不断缩小，它们接近了物理极限，传统技术的提升变得越来越困难。2022年，当时在剑桥大学工作的Hannah Earley发表了一项研究，详细分析了可逆计算机的效率。她发现尽管可逆计算机产生的热量比传统计算机少得多，但仍不可避免地会有热量产生。这是因为电压变化会导致金属发热，且电压变化越快，热量越大。可逆计算机运行得越慢，热量就越少，这种关系在AI计算中尤其有利。 在AI计算中，经常有多处理器并行执行不同的计算任务。如果可逆芯片运行速度较慢，但通过增加芯片数量来补偿，最终会节省总体能耗。此外，缓慢运行的芯片减少冷却需求，可以更紧密地堆放在一起，节省空间、材料和数据传输时间。 投资界已经开始关注这一领域。Earley与Frank合作创立了Vaire Computing，致力于开发可逆芯片的商业版本。在数十年的理论研究后，哥本哈根大学的Torben Ægidius Mogensen认为，我们终于可能看到这一技术的实际应用。“最令人兴奋的是能够在实际中使用可逆处理器，”他说。 可逆计算的潜力不仅在于其节能效果，更重要的是它提供了一种突破传统计算物理限制的新途径。Frank的研究团队正在努力吸引行业和学术界的更多关注，希望这一创新能够在未来改变计算方式。虽然目前还处于早期阶段，但如果能够成功商业化，可逆计算有望对高性能计算尤其是AI领域带来革命性的变化。