人工智能(AI)和机器学习(ML)的兴起引发了计算领域的危机,并迫切需要更多既节能又可扩展的硬件。AI和ML中的一个关键步骤是根据不完整的数据做出决策,最好的方法是为每个可能的答案输出一个概率。当前的经典计算机无法以节能的方式做到这一点,这一限制导致了人们对计算新方法的探索。以量子比特为基础的量子计算机可能有助于应对这些挑战,但它们对周围环境极为敏感,必须保持在极低的温度下,并且仍处于开发的早期阶段。
加州大学圣巴巴拉分校电气与计算机工程(ECE)助理教授凯雷姆·卡姆萨里认为概率计算机(p-computers)是解决方案。P-计算机由概率位(P-位)驱动,概率位与同一系统中的其他P-位交互。与经典计算机中处于0或1状态的位或一次可以处于多个状态的量子位不同,p位在位置之间波动,并在室温下工作。在《自然电子》(Nature Electronics)上发表的一篇文章中,卡姆萨里(Camsari)和他的合作者讨论了他们展示p计算机前景的项目。
今年早些时候,Camsari获得了海军研究办公室颁发的“青年研究员奖”,他说:“我们证明,用p位构建的固有概率计算机的性能优于已经开发了几十年的最先进软件。”。
Camsari的团队与意大利墨西拿大学的科学家、UCSB欧洲经委会副主席LukeTheogarajan以及物理学教授John Martinis合作,后者领导的团队建造了世界上第一台量子计算机,以实现量子霸权。通过使用经典硬件创建特定领域的体系结构,研究人员共同取得了有希望的结果。他们开发了一种独特的稀疏伊辛机(sIm),这是一种用于解决优化问题和最小化能耗的新型计算设备。
Camsari将sIm描述为概率比特的集合,可以将其视为人。每个人只有一小部分可信任的朋友,这些朋友是机器中的“稀疏”连接。
他解释说:“人们可以很快做出决定,因为他们每个人都有一小部分可信任的朋友,他们不必听取整个网络中所有人的意见。”。“这些代理达成共识的过程类似于用于解决满足许多不同约束的困难优化问题的过程。稀疏伊辛机器允许我们使用相同的硬件来制定和解决各种各样的此类优化问题。”
该团队的原型架构包括一个现场可编程门阵列(FPGA),这是一种功能强大的硬件,比特定应用的集成电路提供了更大的灵活性。
卡姆萨里说:“想象一下,有一种计算机芯片,可以在网络中编程p位之间的连接,而无需制造新的芯片。”。
研究人员表明,他们在FPGA中的稀疏结构比在经典计算机上使用的优化算法快6个数量级,采样速度提高了5到18倍。
此外,他们报告称,他们的sIm卡在每秒翻转的情况下实现了大规模并行鈥攖衡量p型计算机做出智能决策的速度的关键数字鈥攕与p位的数量成线性关系。Camsari引用了信任的朋友试图做出决定的类比。
他指出:“关键问题是,达成共识的过程需要人们之间进行强有力的沟通,他们根据自己的最新想法不断地相互交谈。”。“如果每个人都在没有倾听的情况下做出决策,就无法达成共识,优化问题也无法解决。”
换言之,p-bits的通信速度越快,达成共识的速度就越快,这就是为什么增加每秒的翻转次数,同时确保每个人都能相互倾听是至关重要的。
“这正是我们在设计中实现的,”他解释道。“通过确保每个人都能相互倾听,并限制可以成为朋友的‘人’的数量,我们实现了决策过程的并行化。”
他们的工作还显示了将p-computers扩展到5000个p位的能力,Camsari认为这非常有希望,同时指出他们的想法只是p-computer难题的一部分。
“对我们来说,这些结果只是冰山一角,”他说。“我们使用现有的晶体管技术来模拟我们的概率架构,但如果使用集成度更高的纳米器件来构建p计算机,其优势将是巨大的。这就是让我失眠的原因。”
卡姆萨里(Camsari)和他的合作者在普渡大学(Purdue University)读研究生和博士后期间制造的一台8位p计算机最初显示了该设备的潜力。他们于2019年在《自然》杂志上发表的文章描述了与经典计算机相比,它所需的能量减少了10倍,所需的面积减少了100倍。2020年秋季,UCSB能源效率研究所提供的种子基金使Camsari和Theogarajan进一步开展了p-computer研究,支持了Nature Electronics的工作。
卡姆萨里说:“最初的发现,结合我们的最新结果,意味着用数百万个p位构建p计算机,以解决优化或概率决策问题,并具有竞争性的性能,这是可能的。”。
研究团队希望有一天p-computers能够更快、更有效地处理一组特定的问题,当然是概率问题。