[论文解读] Toward Thermodynamic Reservoir Computing: Exploring SHA-256 ASICs as Potential Physical Substrates

Francisco Angulo De Lafuente, V. F. Veselov+1 more|arXiv (Cornell University)|Jan 5, 2026

Neural Networks and Reservoir Computing被引用 0

一句话总结

该论文提出一个理论框架（全息 reservoir computing，HRC）和 CHIMERA 架构，将应力电压的 SHA-256 ASIC 重用途为物理 reservoir，并对时序动力学进行了初步观测，提出理论上的 O(log n) 能量扩展，但尚待实验验证。

ABSTRACT

We propose a theoretical framework--Holographic Reservoir Computing (HRC)--which hypothesizes that the thermodynamic noise and timing dynamics in voltage-stressed Bitcoin mining ASICs (BM1366) could potentially serve as a physical reservoir computing substrate. We present the CHIMERA (Conscious Hybrid Intelligence via Miner-Embedded Resonance Architecture) system architecture, which treats the SHA-256 hashing pipeline not as an entropy source, but as a deterministic diffusion operator whose timing characteristics under controlled voltage and frequency conditions may exhibit computationally useful dynamics. We report preliminary observations of non-Poissonian variability in inter-arrival time statistics during edge-of-stability operation, which we term the "Silicon Heartbeat" hypothesis. Theoretical analysis based on Hierarchical Number System (HNS) representations suggests that such architectures could achieve O(log n) energy scaling compared to traditional von Neumann O(2^n) dependencies. However, we emphasize that these are theoretical projections requiring experimental validation. We present the implemented measurement infrastructure, acknowledge current limitations, and outline the experimental program necessary to confirm or refute these hypotheses. This work contributes to the emerging field of thermodynamic computing by proposing a novel approach to repurposing obsolete cryptographic hardware for neuromorphic applications.

研究动机与目标

• 为AI 的硬件瓶颈提供热力学计算方法的动机，并利用多余的挖矿 ASIC 来执行神经形态任务。
• 提出全息 reservoir computing（HRC）框架和矿工嵌入式 reservoir 处理的 CHIMERA 系统架构。
• outlining 测量基础设施，以捕捉 ASIC 运行的时序统计，并讨论通过层级数制（HNS）实现的理论能效。
• 将理论与初步经验观测区分开来，并绘制一个用于验证的具体实验计划。

提出的方法

• 将 SHA-256 定义为在电压/频率应力下具有时序动力学的扩散算子。
• 提出 CHIMERA 三层架构（Ghost、Muse、Sentinel）用于硬件接口、信号处理和稳态自适应。
• 引入基于时序的观测量（到达间隔的变异系数 CV、直方图熵、汉明距离）作为 reservoir 状态代理。
• 提供描述扩散样的 reservoir 状态和 Chronos 动力学的方程（如 X(t) = σ(W_in u(t) + ∑ A_ij X_j(t−1) + ξ(V,T,f))）。
• 提出一个能效论证，将冯・诺依曼尺度与分层数字系统（HNS）尺度进行比较（E_vN ∝ 2^n vs E_HNS ∝ log n）。
• 概述实验测量框架与计划的验证实验（FFT/PSD、无效共享计数、多芯片研究）。

实验结果

研究问题

• RQ1 电压和频率应力下的 SHA-256 ASIC 是否能够作为满足 RC 要求的物理 reservoir 基底？
• RQ2 在边缘稳定工作下的时序动力学是否呈现非泊松结构，可以用于计算？
• RQ3 与传统架构相比，CHIMERA/HNS 在典型 reservoir 规模下的潜在能效提升是多少？
• RQ4 要验证或反驳 CHIMERA 假设，需要哪些具体的实验计划（如谱分析、RC 基准测试、多芯片可重复性）？

主要发现

• 初步观测表明，在电压扫描趋向不稳定工作时，到达间隔统计呈现非泊松性时序变异性。
• 理论基础表明，使用分层数字系统表示（HNS）可实现近似 O(log n) 的能量扩展，与冯诺依曼尺度相比在理论上存在显著的能效提升（在所给估计中可达到约 10,000×）。
• CHIMERA 框架及基于时序的观测量（CV、熵、汉明距离）在概念上实现并通过三层架构和测量工具进行了原型化。
• 当前工作明确区分理论预测与经验测量，并承认仍需大量验证。
• 论文讨论了在边缘神经形态计算、硬件安全原语和通过改造过时矿机 ASIC 实现循环经济计算等潜在应用。