Decentralized Thermal-State Load Routing and an ENAQT-Inspired Circuit Design Principle for Energy-Efficient Manycore Architectures
Description
Two independent contributions to energy-efficient manycore computing, inspired by biological thermodynamics.
Contribution 1 (simulation-validated): A decentralized thermal-state load-routing algorithm in which each processing node sheds tasks to its locally coolest neighbor when its temperature exceeds a threshold, with no global state and no central scheduler. In a 16-node 4×4-grid simulation under 4× localized overload, the algorithm reduces thermal variance by 92.1% and peak temperature by 14.2°C compared to thermally-oblivious centralized scheduling, with zero overhead under balanced load. Communication complexity is O(1) per node. Inspired by collective thermoregulation in animal groups.
Contribution 2 (theoretical proposal): An ENAQT-inspired circuit topology — resonant thermal-bath coupling between signal tracks and substrate — designed so that Johnson-noise thermal fluctuations in the 40°C–80°C operating range assist rather than impede charge transport. A parameterized ENAQT-analog efficiency model yields η = 0.750 at 25°C rising to η = 0.868 at 80°C, versus η = 0.720 falling to η = 0.594 for conventional CMOS — a 29.7% energy-per-bit advantage at 75°C. This topology is presented as a theoretical design principle requiring fabrication and direct experimental characterization.
Both contributions are independently deployable. Together they define the Thermal-Substrate Computing paradigm: the thermal gradient as a computational resource, not waste to be removed.
Bilingual release: Includes English (h6-paper-v1_0-en.pdf) and Portuguese (h6-paper-v1_0-pt.pdf) versions.
Reproducibility: Simulation code and parameters are included in the record. Phase 2 git hash: 57652bf. Random seed: 42.
Prior disclosure: 10.5281/zenodo.19857070 (April 18, 2026).
Abstract (Portuguese)
Duas contribuições independentes para computação manycore energeticamente eficiente, inspiradas na termodinâmica biológica.
Contribuição 1 (validada por simulação): Um algoritmo descentralizado de roteamento de carga por estado térmico, no qual cada nó de processamento redistribui tarefas ao vizinho mais frio quando sua temperatura excede um limiar, sem estado global e sem escalonador central. Em uma simulação de grade 4×4 com 16 nós sob sobrecarga 4× localizada, o algoritmo reduz a variância térmica em 92,1% e a temperatura de pico em 14,2°C em comparação ao escalonamento centralizado sem consciência térmica, com overhead zero sob carga balanceada. Complexidade de comunicação O(1) por nó. Inspirado na termorregulação coletiva de grupos animais.
Contribuição 2 (proposta teórica): Uma topologia de circuito inspirada em ENAQT — acoplamento ressonante entre trilhas de sinal e substrato via nó de banho térmico — projetada para que as flutuações térmicas de ruído Johnson na faixa operacional de 40°C–80°C assistam, em vez de impedir, o transporte de carga elétrica. Um modelo parametrizado de eficiência análogo ao ENAQT produz η = 0,750 a 25°C subindo para η = 0,868 a 80°C, versus η = 0,720 caindo para η = 0,594 para CMOS convencional — uma vantagem de 29,7% em energia por bit a 75°C. Essa topologia é apresentada como princípio teórico de projeto, requerendo fabricação e caracterização experimental direta.
Ambas as contribuições são independentemente implantáveis. Juntas, definem o paradigma da Computação com Substrato Térmico: o gradiente térmico como recurso computacional, não resíduo a ser removido.
Publicação bilíngue: Inclui versões em inglês (h6-paper-v1_0-en.pdf) e português (h6-paper-v1_0-pt.pdf).
Reprodutibilidade: Código de simulação e parâmetros estão incluídos no registro. Git hash da Fase 2: 57652bf. Semente aleatória: 42.
Divulgação prévia: 10.5281/zenodo.19857070 (18 de abril de 2026).
Files
h6-paper-v1.0-en.pdf
Additional details
Additional titles
- Translated title (Portuguese)
- Roteamento Descentralizado de Carga por Estado Térmico e um Princípio de Projeto de Circuito Inspirado em ENAQT para Arquiteturas Manycore Energeticamente Eficientes
Related works
- Is supplemented by
- Software: https://github.com/gallori-ai/thermal-substrate-computing (URL)
Software
- Repository URL
- https://github.com/gallori-ai/thermal-substrate-computing
- Programming language
- Python