Ключевой элемент архитектуры — вероятностные биты, или p-биты, которые не фиксируют одно значение, а описывают состояние с определённой вероятностью. Это позволяет напрямую моделировать процессы неопределённости — основу генеративных моделей, таких как ChatGPT. На аппаратном уровне такие задачи выполняются быстрее и с гораздо меньшими затратами энергии, чем при обычных матричных вычислениях на GPU.

Сооснователь и технический директор компании Тревор МакКорт, ранее работавший в квантовых проектах Google, объясняет это так: «Мы создали базовый элемент машинного обучения, который гораздо эффективнее матричного умножения. По сути, Extropic использует идеи физики, чтобы решить задачу компьютерных наук — заставить кремний работать не вопреки шуму, а благодаря ему».

Компания уже выпустила первые тестовые платы под названием XTR-0, а партнёры — включая частные лаборатории и государственные организации — начали их испытывать. Среди первых пользователей — стартап Atmo, создающий модели прогноза погоды, чьи специалисты подтвердили, что p-биты «ведут себя так, как и ожидалось».

Extropic также представила алгоритм DTM (Denoising Thermodynamic Model), оптимизированный под её архитектуру, и выложила в открытый доступ библиотеку thrml для Python, позволяющую симулировать работу термодинамических блоков на обычных GPU. Это даёт разработчикам возможность исследовать новую парадигму, не дожидаясь серийных чипов.

Стартап привлёк $14,1 млн посевных инвестиций и быстро превращает концепцию в продукт. Руководитель компании Гийом Вердон, физик и сторонник технологического ускорения, утверждает, что будущее искусственного интеллекта зависит не от гигантских дата-центров, а от изобретения «совершенно другого, гораздо более эффективного инструмента».

* Компания Meta (Facebook и Instagram) признана в России экстремистской и запрещена