Развитие искусственного интеллекта (ИИ) и машинного обучения (МО) привело к кризису в вычислительной технике и значительной потребности в большем количестве оборудования, которое было бы энергоэффективным и масштабируемым. Ключевым шагом как в AI, так и в ML является принятие решений на основе неполных данных, лучший подход для которых — вывести вероятность для каждого возможного ответа. Современные классические компьютеры не могут сделать это энергоэффективным способом, и это ограничение привело к поиску новых подходов к вычислениям. Квантовые компьютеры, работающие на кубитах, могут помочь решить эти проблемы, но они чрезвычайно чувствительны к окружающей среде, должны храниться при чрезвычайно низких температурах и все еще находятся на ранних стадиях разработки.

Керем Камсари, доцент кафедры электротехники и вычислительной техники (ECE) Калифорнийского университета в Санта-Барбаре, считает, что вероятностные компьютеры (p-компьютеры) — это решение. P-компьютеры питаются от вероятностных битов (p-битов), которые взаимодействуют с другими p-битами в той же системе. В отличие от битов в классических компьютерах, которые находятся в состоянии 0 или 1, или кубитов, которые могут находиться более чем в одном состоянии одновременно, p-биты колеблются между положениями и работают при комнатной температуре. В статье, опубликованной в Nature Electronics , Камсари и его сотрудники обсуждают свой проект, демонстрирующий перспективность р-компьютеров.

«Мы показали, что вероятностные компьютеры, построенные из p-битов, могут превзойти современное программное обеспечение, которое разрабатывалось десятилетиями», — сказал Камсари, который ранее получил награду для молодых исследователей от Управления военно-морских исследований.

Группа Камсари сотрудничала с учеными Мессинского университета в Италии, с Люком Теогараяном, заместителем председателя отдела ECE UCSB, и с профессором физики Джоном Мартинисом, который возглавлял команду, создавшую первый в мире квантовый компьютер для достижения квантового превосходства. Вместе исследователи добились многообещающих результатов, используя классическое оборудование для создания архитектур, специфичных для предметной области. Они разработали уникальную разреженную машину Изинга (SIM), новое вычислительное устройство, используемое для решения задач оптимизации и минимизации энергопотребления.

Камсари описывает симов как набор вероятностных битов, которые можно представить как людей. И у каждого человека есть лишь небольшой набор доверенных друзей, которые являются «разреженными» связями в машине.

«Люди могут быстро принимать решения, потому что у каждого из них есть небольшой набор доверенных друзей, и им не нужно получать известия от всех во всей сети», — пояснил он. «Процесс, с помощью которого эти агенты достигают консенсуса, аналогичен тому, который используется для решения сложной задачи оптимизации, которая удовлетворяет многим различным ограничениям. Разреженные машины Изинга позволяют нам формулировать и решать широкий спектр таких задач оптимизации, используя одно и то же оборудование».

Прототип архитектуры команды включал программируемую вентильную матрицу (FPGA), мощное аппаратное обеспечение, обеспечивающее гораздо большую гибкость, чем интегральные схемы для конкретных приложений.

«Представьте себе компьютерный чип, который позволяет вам программировать соединения между p-битами в сети без необходимости изготовления нового чипа», — сказал Камсари.

Исследователи показали, что их разреженная архитектура в FPGA была на шесть порядков быстрее и увеличила скорость выборки в пять-восемнадцать раз быстрее, чем те, которые были достигнуты с помощью оптимизированных алгоритмов, используемых на классических компьютерах.

Кроме того, они сообщили, что их SIM-карта достигает массивного параллелизма, когда количество переворотов в секунду — ключевой показатель, который измеряет, насколько быстро p-компьютер может принять разумное решение — линейно масштабируется с количеством p-бит. Камсари ссылается на аналогию с доверенными друзьями, пытающимися принять решение.

«Ключевой вопрос заключается в том, что процесс достижения консенсуса требует тесного общения между людьми, которые постоянно разговаривают друг с другом на основе своих последних мыслей», — отметил он. «Если все принимают решения, не слушая, консенсус не может быть достигнут, и проблема оптимизации не решена».

Другими словами, чем быстрее p-биты обмениваются данными, тем быстрее может быть достигнут консенсус, поэтому увеличение числа переворотов в секунду при обеспечении того, чтобы все слушали друг друга, имеет решающее значение.

«Это именно то, чего мы достигли в нашем дизайне», — пояснил он. «Убедившись, что все слушают друг друга, и ограничив количество «людей», которые могут дружить друг с другом, мы распараллелили процесс принятия решений».

Их работа также продемонстрировала способность масштабировать p-компьютеры до пяти тысяч p-бит, что Камсари считает чрезвычайно многообещающим, отмечая при этом, что их идеи — лишь одна часть головоломки p-компьютера.

«Для нас эти результаты были верхушкой айсберга», — сказал он. «Мы использовали существующую транзисторную технологию для эмуляции наших вероятностных архитектур, но если наноустройства с гораздо более высоким уровнем интеграции будут использоваться для создания p-компьютеров, преимущества будут огромными. Это то, что заставляет меня терять сон».

8-битный p-компьютер, который Камсари и его сотрудники построили, когда он был аспирантом и докторантом в Университете Пердью, первоначально продемонстрировал потенциал устройства. В их статье , опубликованной в 2019 году в журнале Nature , описано десятикратное снижение энергопотребления и стократное сокращение занимаемой площади по сравнению с классическим компьютером. Начальное финансирование, предоставленное осенью 2020 года Институтом энергоэффективности UCSB, позволило Камсари и Теогараджану сделать еще один шаг вперед в исследованиях p-компьютеров, поддержав работу, представленную в Nature Electronics .

«Первоначальные результаты в сочетании с нашими последними результатами означают, что создание p-компьютеров с миллионами p-бит для решения задач оптимизации или вероятностного принятия решений с конкурентоспособной производительностью может быть вполне возможным», — сказал Камсари.

Исследовательская группа надеется, что когда-нибудь p-компьютеры будут решать определенный набор задач, естественно вероятностных, гораздо быстрее и эффективнее.