Le potentiel des ordinateurs p

Le potentiel des ordinateurs p

Les problèmes d’optimisation difficiles peuvent être exprimés sous forme de réseaux interactifs de bits probabilistes. Une solution efficace à ces problèmes nécessite de les rendre moins denses au détriment de plus de p-bits. Crédit : UC Santa Barbara

L’essor de l’intelligence artificielle (IA) et de l’apprentissage automatique (ML) a créé une crise informatique et un besoin important de plus de matériel à la fois économe en énergie et évolutif. Une étape clé de l’IA et du ML consiste à prendre des décisions basées sur des données incomplètes, la meilleure approche pour laquelle est de générer une probabilité pour chaque réponse possible. Les ordinateurs classiques actuels ne sont pas capables de le faire de manière économe en énergie, une limitation qui a conduit à la recherche de nouvelles approches informatiques. Les ordinateurs quantiques, qui fonctionnent sur des qubits, peuvent aider à relever ces défis, mais ils sont extrêmement sensibles à leur environnement, doivent être maintenus à des températures extrêmement basses et en sont encore aux premiers stades de développement.

Kerem Camsari, professeur adjoint de génie électrique et informatique (ECE) à l’UC Santa Barbara, estime que les ordinateurs probabilistes (p-computers) sont la solution. Les ordinateurs P sont alimentés par des bits probabilistes (p-bits), qui interagissent avec d’autres p-bits dans le même système. Contrairement aux bits des ordinateurs classiques, qui sont à l’état 0 ou 1, ou aux qubits, qui peuvent être dans plusieurs états à la fois, les p-bits fluctuent entre les positions et fonctionnent à température ambiante. Dans un article publié dans Électronique naturelleCamsari et ses collaborateurs discutent de leur projet qui a démontré la promesse des p-computers.

“Nous avons montré que les ordinateurs intrinsèquement probabilistes, construits à partir de p-bits, peuvent surpasser les logiciels de pointe en développement depuis des décennies”, a déclaré Camsari, qui a reçu un Young Investigator Award de l’Office of Naval Research plus tôt. cette année.

Le groupe de Camsari a collaboré avec des scientifiques de l’Université de Messine en Italie, avec Luke Theogarajan, vice-président du département ECE de l’UCSB, et avec le professeur de physique John Martinis, qui a dirigé l’équipe qui a construit le premier ordinateur quantique au monde pour atteindre la suprématie quantique. Ensemble, les chercheurs ont obtenu des résultats prometteurs en utilisant du matériel classique pour créer des architectures spécifiques à un domaine. Ils ont développé une machine unique d’Ising parcimonieuse (sIm), un nouveau dispositif informatique utilisé pour résoudre des problèmes d’optimisation et minimiser la consommation d’énergie.

Camsari décrit le sIm comme une collection de bits probabilistes qui peuvent être considérés comme des personnes. Et chaque personne n’a qu’un petit ensemble d’amis de confiance, qui sont les connexions “éparses” de la machine.

“Les gens peuvent prendre des décisions rapidement car ils ont chacun un petit groupe d’amis de confiance et ils n’ont pas à entendre tout le monde dans tout un réseau”, a-t-il expliqué. “Le processus par lequel ces agents parviennent à un consensus est similaire à celui utilisé pour résoudre un problème d’optimisation difficile qui satisfait de nombreuses contraintes différentes. Les machines Sparse Ising nous permettent de formuler et de résoudre une grande variété de ces problèmes d’optimisation en utilisant le même matériel.”

L’architecture prototype de l’équipe comprenait un réseau de portes programmables sur le terrain (FPGA), un matériel puissant qui offre beaucoup plus de flexibilité que les circuits intégrés spécifiques à l’application.

“Imaginez une puce informatique qui vous permet de programmer les connexions entre les p-bits dans un réseau sans avoir à fabriquer une nouvelle puce”, a déclaré Camsari.

Les chercheurs ont montré que leur architecture clairsemée dans les FPGA était jusqu’à six ordres de grandeur plus rapide et avait une vitesse d’échantillonnage accrue de cinq à dix-huit fois plus rapide que celles obtenues par des algorithmes optimisés utilisés sur des ordinateurs classiques.

De plus, ils ont signalé que leur sIm atteint un parallélisme massif où les retournements par seconde – le chiffre clé qui mesure la rapidité avec laquelle un ordinateur p peut prendre une décision intelligente – évoluent linéairement avec le nombre de p-bits. Camsari renvoie à l’analogie d’amis de confiance essayant de prendre une décision.

“Le problème clé est que le processus pour parvenir à un consensus nécessite une communication solide entre des personnes qui se parlent continuellement en fonction de leurs dernières réflexions”, a-t-il noté. “Si tout le monde prend des décisions sans écouter, un consensus ne peut pas être atteint et le problème d’optimisation n’est pas résolu.”

En d’autres termes, plus les p-bits communiquent rapidement, plus un consensus peut être atteint rapidement, c’est pourquoi augmenter les flips par seconde, tout en s’assurant que tout le monde s’écoute, est crucial.

“C’est exactement ce que nous avons réalisé dans notre conception”, a-t-il expliqué. “En veillant à ce que tout le monde s’écoute et en limitant le nombre de ‘personnes’ qui pourraient être amies les unes avec les autres, nous avons parallélisé le processus de prise de décision.”

Leur travail a également montré une capacité à faire évoluer les p-ordinateurs jusqu’à cinq mille p-bits, ce que Camsari considère comme extrêmement prometteur, tout en notant que leurs idées ne sont qu’une pièce du puzzle des p-ordinateurs.

“Pour nous, ces résultats n’étaient que la pointe de l’iceberg”, a-t-il déclaré. “Nous avons utilisé la technologie des transistors existante pour émuler nos architectures probabilistes, mais si des nanodispositifs avec des niveaux d’intégration beaucoup plus élevés sont utilisés pour construire des ordinateurs p, les avantages seraient énormes. C’est ce qui me fait perdre le sommeil.”

Un ordinateur p 8 p-bit que Camsari et ses collaborateurs ont construit pendant qu’il était étudiant diplômé et chercheur postdoctoral à l’Université Purdue a d’abord montré le potentiel de l’appareil. Leur article, publié en 2019 dans La nature, décrit une réduction de dix fois de l’énergie et une réduction de cent fois de l’encombrement qu’il nécessite par rapport à un ordinateur classique. Le financement de démarrage, fourni à l’automne 2020 par l’Institute for Energy Efficiency de l’UCSB, a permis à Camsari et Theogarajan d’aller plus loin dans la recherche sur l’ordinateur p, soutenant le travail présenté dans Électronique naturelle.

“Les découvertes initiales, combinées à nos derniers résultats, signifient que la construction d’ordinateurs p avec des millions de bits p pour résoudre des problèmes d’optimisation ou de prise de décision probabiliste avec des performances compétitives est peut-être tout simplement possible”, a déclaré Camsari.

L’équipe de recherche espère qu’un jour les p-ordinateurs traiteront un ensemble spécifique de problèmes, naturellement probabilistes, beaucoup plus rapidement et plus efficacement.


Le « qubit du pauvre » peut résoudre des problèmes quantiques sans passer au quantique


Plus d’information:
Navid Anjum Aadit et al, Calcul probabiliste massivement parallèle avec des machines d’Ising éparses, Électronique naturelle (2022). DOI : 10.1038 / s41928-022-00774-2

Fourni par Université de Californie – Santa Barbara

Citation: The potential of p-computers (13 juin 2022) récupéré le 13 juin 2022 sur https://techxplore.com/news/2022-06-potential-p-computers.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation loyale à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.