Ising機器是基于物理原理的非傳統(tǒng)計算機架構(gòu)，以德國物理學(xué)家ErnstIsing命名。近年來，人們發(fā)現(xiàn)它們是解決組合優(yōu)化(CO)問題和創(chuàng)建大腦人工模型的特別有前途的工具。

加利福尼亞大學(xué)伯克利分校臺積電杰出的EECS教授SayeefSalahuddin小組的一組研究人員最近一直在探索Ising機器在尋找復(fù)雜優(yōu)化問題的解決方案方面的潛力。他們最近發(fā)表在NatureElectronics上的論文介紹了一種由許多受限玻爾茲曼機(RBM)組成的新Ising機器，該機器被發(fā)現(xiàn)在復(fù)雜的組合優(yōu)化任務(wù)上取得了顯著的效果。

“近年來，在Ising機器上進行了大量工作以加速優(yōu)化問題，我們的工作以此為基礎(chǔ)，”進行這項研究的主要作者SaavanPatel告訴TechXplore。“我們研究的主要目標(biāo)是展示機器學(xué)習(xí)和硬件加速如何融入伊辛機器的框架，并以受數(shù)字邏輯啟發(fā)的方式加速優(yōu)化問題。”

受限玻爾茲曼機(RBM)是基于人工神經(jīng)網(wǎng)絡(luò)的生成隨機模型。這些模型可以非常擅長捕捉大量輸入數(shù)據(jù)中的復(fù)雜相關(guān)性和分布模式。

RBM依賴于二進制激活，繞過了通常對深度學(xué)習(xí)網(wǎng)絡(luò)計算要求最高的直接矩陣向量乘法。在他們的研究中，Patel和他的同事利用模型的這一獨特特性來提高他們的機器解決優(yōu)化問題的速度。

“我們的算法以一種新的方式使用數(shù)字邏輯的基本原理來發(fā)揮作用，”帕特爾解釋說。“通常，數(shù)字門僅在正向運行，但通過使用概率圖形模型和機器學(xué)習(xí)，我們已經(jīng)展示了反向操作它們的方法。利用這一原理，我們以一種可以解決正向的方式設(shè)計概率數(shù)字電路問題(“這組輸入是一個有效的解決方案嗎?”或“什么是191x223?”)，但由于系統(tǒng)是可逆的，它也可以回答更難的逆問題(“什么是所有輸入產(chǎn)生一個有效的解決方案?”和“什么是A和B使得AxB=42593?”)。

他們開發(fā)的機器使Patel和他的同事能夠解決各種不同的優(yōu)化問題。從本質(zhì)上講，他們的電路通過最初評估不同的現(xiàn)有解決方案，然后嘗試識別新的解決方案本身來工作。與之前提出的其他解決方案相比，研究人員的平臺將問題映射方法、機器學(xué)習(xí)和硬件解決方案結(jié)合在一起。

“使用我們的數(shù)字邏輯方法，我們能夠證明我們可以解決兩種‘困難’問題，”Patel說。“第一個是布爾可滿足性，它構(gòu)成了組合優(yōu)化問題的主干，第二個是整數(shù)分解問題，它是現(xiàn)代計算機使用的RSA密碼算法的基礎(chǔ)。目標(biāo)是證明這個工具有效，并且我們證明了我們可以解決比以前提出的方法更大的分解問題。”

在初步評估中，這組研究人員創(chuàng)建的機器取得了非常有希望的結(jié)果，解決了復(fù)雜的組合優(yōu)化和整數(shù)分解問題。此外，論文中介紹的支持硬件可以比傳統(tǒng)CPU快10000倍地找到問題的解決方案。

將來，像Patel及其同事介紹的那樣的Ising機器可用于更快速、更有效地解決各種復(fù)雜的現(xiàn)實世界問題，包括與物流或制造、路由問題和密碼破解相關(guān)的問題。在接下來的研究中，研究人員將嘗試升級他們的機器，使其能夠完成越來越大、越來越復(fù)雜的優(yōu)化任務(wù)。此外，他們想評估其解決其他類型問題的潛力。

“我們正在設(shè)計更大、更高效的FPGA系統(tǒng)以及ASIC，以解決更大的問題，”Patel補充道。“就新的問題領(lǐng)域而言，我們一直在研究路由問題(如旅行商問題)、通信問題(如LDPC編碼)、量子問題(如尋找分子系統(tǒng)的基態(tài))和其他優(yōu)化問題的映射(“例如，MAX-CUT問題的解決方案)。這些系統(tǒng)有很多新的前沿，我們很高興探索新的空間!我們的目標(biāo)是始終以更快、更高效的方式解決更難的問題。”