Une machine d’Ising rapide et économe en énergie pour résoudre des problèmes de calcul difficiles

Une machine d'Ising rapide et économe en énergie pour résoudre des problèmes de calcul difficiles

L’équipe a implémenté un ordinateur probabiliste de 5000 p-bits sur des réseaux prédiffusés programmables sur le terrain à la pointe de la technologie. Crédit : Aadit et al

Ces dernières années, les ingénieurs ont essayé de concevoir de nouveaux ordinateurs et appareils qui pourraient aider à résoudre plus rapidement et plus efficacement les problèmes difficiles du monde réel. Certaines des plus prometteuses parmi celles-ci sont les machines d’Ising (IM), des systèmes basés sur la physique conçus pour résoudre des problèmes d’optimisation complexes.

Des chercheurs de l’Université de Californie et de l’Université de Messine ont récemment développé une architecture de machine Ising clairsemée qui peut fonctionner sur du matériel informatique classique et existant. Cette architecture, présentée dans un article publié dans Électronique naturelles’est avérée nettement plus rapide que les méthodes d’optimisation standard exécutées sur une unité centrale de traitement.

“La construction d’architectures d’inspiration quantique spécifiques à un domaine est devenue un domaine de recherche important avec le ralentissement de la loi de Moore”, a déclaré Kerem Camsari, l’un des chercheurs qui a mené l’étude, à TechXplore. “L’objectif principal de ce travail était d’étendre nos travaux antérieurs sur les bits probabilistes ou p, conceptuellement entre les bits et les qubits.”

En 2019, Camsari et ses collègues ont montré que huit réseaux p-bit basés sur des nanodispositifs pouvaient aider à résoudre certains problèmes d’optimisation difficiles de manière économe en énergie. Dans leur nouvel article, ils ont étendu leurs réseaux pour inclure 5 000 p-bits, en utilisant la technologie CMOS classique. Il s’agit d’une technologie de pointe utilisée pour construire des puces de circuits intégrés (IC) et d’autres composants électroniques.

L’équipe a constaté que l’augmentation des p-bits de leur architecture entraînait des vitesses et des performances plus élevées, ce qui lui permettait de résoudre plus efficacement des problèmes d’optimisation plus complexes. En outre, leur architecture s’est avérée plus performante que les approches classiques de pointe largement utilisées depuis des décennies.

“Ce qui est particulièrement prometteur dans nos travaux récents, c’est que la même architecture que nous avons développée ici pourrait être appliquée à la technologie de la spintronique”, a déclaré à TechXplore Giovanni Finocchio, un autre chercheur impliqué dans l’étude. “Comme nous l’avons montré plus tôt cette année, le p-computing peut être hautement compatible avec la spintronique et des améliorations supplémentaires de plusieurs ordres de grandeur en termes de vitesse et d’évolutivité peuvent être obtenues dans les p-computers magnétiques intégrés.”

Une machine d'Ising rapide et économe en énergie pour résoudre des problèmes de calcul difficiles

L’idée clé permettant le parallélisme était de convertir les problèmes d’optimisation en réseaux moins denses (sparsifiés) au détriment de p-bits supplémentaires. Crédit : Aadit et al

La machine d’Ising parcimonieuse développée par Camsari, Finocchio et leurs collègues est basée sur l’idée que lors de la prise de décisions probabilistes, le parallélisme vient de la parcimonie. En d’autres termes, leur approche suppose que consulter moins de sources fiables nous permet de prendre une décision éclairée plus rapidement et plus efficacement que de consulter de nombreuses parties.

“Nous avons inventé des techniques qui peuvent prendre n’importe quel problème d’optimisation difficile et se transformer en un réseau clairsemé pour prendre des échantillons parallèles”, a expliqué Navid Anjum Aadit, un chercheur impliqué dans l’étude. “Une caractéristique unique de notre architecture est que ses performances (mises à jour probabilistes par seconde) évoluent linéairement avec le nombre de p-bits dans le système, c’est très inhabituel et c’est le plus haut niveau de parallélisme que nous puissions espérer atteindre.”

Les découvertes recueillies par cette équipe de chercheurs mettent en évidence le potentiel des machines d’Ising éparses, même lorsqu’elles fonctionnent sur du matériel informatique conventionnel. En fait, ils ont découvert que leur machine d’Ising pouvait résoudre les problèmes d’optimisation aussi bien, sinon mieux, que de nombreuses techniques classiques de pointe, tout en fonctionnant sur des ordinateurs p existants.

“Un exemple particulièrement impressionnant a été la résolution du problème de factorisation d’entiers pour des nombres extrêmement grands (jusqu’à 32 bits), bien plus grands que tout autre solveur probabiliste qui a tenté ce problème”, a déclaré à TechXplore Andrea Grimaldi, l’un des chercheurs qui a mené l’étude. . “Nous devons mentionner, cependant, que la factorisation a de nombreux algorithmes non probabilistes et ceux-ci peuvent être plus efficaces que notre approche. Notre objectif était de voir comment notre machine peut résoudre des problèmes d’optimisation extrêmement difficiles, nous permettant de démontrer ses performances supérieures par rapport à d’autres algorithmes probabilistes. solveurs, classiques ou quantiques.”

À l’avenir, l’architecture de machine d’Ising creuse développée par Camsari, Finocchio, Aadit, Grimaldi et leurs collègues pourrait être appliquée à plusieurs autres problèmes d’optimisation du monde réel. Dans leurs prochaines études, les chercheurs prévoient de faire évoluer davantage leurs p-ordinateurs, de 5 000 p-bits à 50 000-100 000 p-bits, en utilisant différentes approches qu’ils évaluent actuellement.

“Nous sommes profondément intéressés par la conception de nouveaux algorithmes et architectures, mais aussi par l’utilisation de la puissance et de la promesse des technologies émergentes telles que les nanodispositifs magnétiques”, a ajouté Camsari. “Nous recherchons constamment de nouvelles applications des ordinateurs p en informatique quantique ainsi qu’en intelligence artificielle.”


Le potentiel des ordinateurs p


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

© 2022 Réseau Science X

Citation: Une machine d’Ising rapide et économe en énergie pour résoudre des problèmes de calcul difficiles (2022, 23 juin) récupéré le 23 juin 2022 sur https://techxplore.com/news/2022-06-fast-energy-efficient-sparse-ising- machine.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.