::: reklama@pbprog.kz
::: editor@pbprog.kz
::: webmaster@pbprog.kz
Разработаны вероятностные вычислительные системы на основе магнитных туннельных переходов
Квантовые вычисления долгое время считались потенциальным прорывом в области оптимизации, но в ближайшей перспективе добиться практического квантового превосходства будет непросто. Работа команды из Национального университета Сингапура показывает, что вероятностные вычисления, основанные на масштабируемом спинтронике, могут стать более доступным и эффективным с точки зрения использования оборудования решением.
Исследователи факультета электротехники и вычислительной техники Колледжа дизайна и инженерии Национального университета Сингапура (NUS) разработали новое спинтронное вычислительное оборудование, которое открывает многообещающие возможности для более быстрой и энергоэффективной оптимизации.
В первом исследовании ученые продемонстрировали вероятностный процессор на основе магнитных туннельных переходов для решения задач квадратичного назначения — класса сложных с точки зрения вычислений задач оптимизации. Система объединяет 144 компактных спинтроник-настраиваемых генератора случайных чисел в массивно-параллельную архитектуру. Процессор обеспечивает ускорение в 3,2 раза и экономию энергии на 58,3 % по сравнению с центральным процессором (ЦП).
Важно отметить, что команда сравнила свою систему с современными квантовыми annealing-процессорами D-Wave. В протестированных задачах квадратичного назначения спинтроник-вероятностный процессор стабильно выдавал выполнимые и качественные решения для всего набора данных, в то время как квантовые annealing-процессоры с трудом выдавали выполнимые решения по мере увеличения размера задачи. Это сравнение демонстрирует потенциал спинтроник-вероятностных вычислений как практичной альтернативы для решения реальных задач оптимизации.
Во втором исследовании команда продемонстрировала более крупную вероятностную машину Изинга на основе 250 магнитных туннельных переходов с передачей спинового момента. Исследование показало, что метод кластерного параллельного обновления может обеспечить 10-кратное ускорение для графов со слабой связностью без изменения аппаратного обеспечения. Исследователи также экспериментально доказали, что имитация квантового отжига повышает качество решения в 20 раз по сравнению с обычным имитационным отжигом, а также делает его более устойчивым к вариативности устройств.
Оба исследования направлены на решение ключевых проблем вероятностных вычислений: производительности, масштабируемости, энергоэффективности и качества решений.
В перспективе ученые планируют еще больше масштабировать оборудование и изучить архитектуры на основе чиплет для крупномасштабных вероятностных вычислений. Со временем такие системы смогут поддерживать энергоэффективные вычислительные платформы для искусственного интеллекта, логистики, планирования, финансового моделирования, коммуникаций и автоматизации проектирования электронных устройств.