Згідно з концепцією обчислювальної складності, математичні проблеми мають різний ступінь складності залежно від того, наскільки легко їх можна розв’язати. У той час як звичайний комп’ютер може розв’язати деякі проблеми (P) за поліноміальний час, тобто час, необхідний для вирішення P, є поліноміальною функцією розміру вхідних даних, він часто не може розв’язати задачі NP, які експоненціально масштабуються з розміром проблеми та тому не можна вирішити за поліноміальний час. Тому досить великі проблеми NP неможливо вирішити за допомогою звичайних комп’ютерів, побудованих на напівпровідникових пристроях.
Завдяки здатності виконувати значну кількість операцій одночасно, квантові комп’ютери вважаються перспективними в цьому плані. В результаті прискорюється процедура розв'язування задачі НП. Однак багато фізичних застосувань дуже чутливі до змін температури.
Як наслідок, використання квантових комп’ютерів часто вимагає суворих експериментальних умов, таких як надзвичайно низькі температури, що ускладнює їх виробництво та підвищує вартість.
На щастя, менш відомою та ще не відкритою альтернативою квантовим обчисленням є ймовірнісні обчислення. Для ефективного вирішення проблем NP стохастичні обчислення використовують так звані «стохастичні нанопристрої», робота яких залежить від теплових флуктуацій. Теплові флуктуації, на відміну від квантових комп’ютерів, допомагають вирішувати ймовірнісні обчислювальні задачі. Як результат, імовірнісні обчислення більш практичні для використання в повсякденних ситуаціях.
Дослідники довели здатність імовірнісних обчислень шляхом моделювання стохастичних мереж нанопристроїв для вирішення конкретних проблем NP, надаючи вкрай необхідну інформацію про цю життєздатну альтернативу. Дослідження під керівництвом професора Пітера Бермела з Університету Пердью було опубліковано в Journal of Photonics for Energy (JPE).
«Модель Ізінга», стандартна модель, використовувалася дослідниками для моделювання різноманітних фізичних і математичних тем. Оператор енергії, відомий як "Гамільтоніан", також може описувати проблеми NP. Гамільтоніан спочатку був розроблений для моделювання взаємодії магнітних дипольних моментів атомних спінів. По суті, вирішення проблеми NP вимагає розв’язання пов’язаного гамільтоніана Ізінга.
Ці проблеми вирішуються за допомогою ймовірнісних обчислювальних пристроїв, що складаються з оптичних параметричних осциляторів (OPO) і стохастичних кільцевих наномагнітних мереж з низькими тепловими бар'єрами.
Дослідники активували таку наномагнітну мережу за допомогою існуючих технологій виготовлення. Потім вони застосували це для вирішення гамільтоніанів Ізінга чотирьох NP-повних проблем із теорії чисел, пов’язаних із комбінаторною оптимізацією. NP-повні задачі — це задачі, які не мають ефективного алгоритму розв’язання. До них належать цілочисельне лінійне програмування, двійкове цілочисельне лінійне програмування, повне покриття та розбиття чисел.
Теоретичний розв'язок моделі Ізінга (закон Больцмана) і результати моделювання перших трьох задач, що містять 3, 3 і 6 імовірнісних бітів (p-біт), повністю узгоджувалися. Моделювання п'яти різних проблем повного покриття з 3, 6, 9, 12 і 15 p-бітами виявило подібну згоду між моделюванням і теорією. Це показало, що рамки для імовірнісних обчислень можна масштабувати.
За словами Бермела, «ключем до того, щоб імовірнісні обчислення стали потужною та життєздатною альтернативою традиційним обчислювальним технікам, є ефективне масштабування відповідно до розміру завдання. Щоб визначити, які стратегії є найбільш ефективними, необхідно використовувати як моделі, так і експерименти.
Дослідники припускають, що навіть якщо наведені результати моделювання показують надійні результати для всіх p-біт (від 3 до 15), паралельні алгоритми можуть допомогти ще більше збільшити потужність моделювання. Перехід від наномагнітів до мереж OPO може забезпечити ефективне вирішення проблем там, де паралелізм неможливий. Систему можна легко впровадити та відобразити в мережі OPO за допомогою існуючих виробничих процесів, таких як технологія CMOS. У результаті можна зрештою створити стохастичні наномагніти з низькими енергетичними бар’єрами для імовірнісних обчислень.
За словами Шона Шахіна, професора Університету Колорадо в Боулдері та головного редактора JPE, «оскільки штучний інтелект і наукові/корпоративні обчислення збільшуються в масштабах зі швидкістю, яка викликає значні, якщо не термінові, занепокоєння щодо споживання енергії та вуглецевого сліду, не -традиційні форми розробки комп’ютерного обладнання стають все більш важливими».
Ця робота Чжу, Сі та Бермела пропонує реалістичний шлях до технології, яка може обробляти значний клас NP-повних проблем. Робота демонструє масштабоване, енергоефективне рішення, яке має потенціал значно перевершити звичайне апаратне забезпечення в обробці складних обчислювальних завдань завдяки геніальному використанню нелінійних мереж оптичних пристроїв для керування обчисленнями Ising.
Джерело: techxplore.com/news
Günceleme: 03/05/2023 14:19