激光网12月13日消息，大规模并行退火处理器，其中单个处理器上的计算节点可以同时执行一系列协调操作，在解决复杂的采样和优化问题方面具有巨大的潜力。因此，全世界的电子工程师和物理学家一直在尝试设计新的方法来实现这些设备。
加州大学圣塔芭芭拉分校的研究人员最近介绍了一种连续控制计算温度的方法，并实现了所谓的Potts模型，使用称为单光子雪崩二极管的小型光检测设备实现了Ising和Potts退火。他们在Nature Electronics的一篇论文中概述了他们提出的方法，可以为大规模并行退火处理器的未来发展提供信息。
“几年前，我参加了Kerem Y. Camsari教授的演讲，他在演讲中谈到了他使用Ising机器进行概率位计算的优雅工作，”该论文的资深作者Luke Theogarajan教授告诉Tech Xplore。
“p-bit的一个关键组成部分是纳米器件，在他的工作中，磁隧道结提供了概率计算所需的随机性来源。当时我正在研究使用SPAD的成像仪，我知道这些设备可以用来创建随机数生成器。这最终激发了这项工作的想法。
值得注意的是，与磁隧道结和各种其他器件不同，SPAD 可以很容易地与广泛使用的基于互补金属氧化物半导体的电路以及现有的电子制造工艺集成。这些设备的有利特性最终鼓励了Theogajaran与他指导的研究生William Whitehead合作，尝试利用这些设备作为所谓的概率计算应用的熵源。
“与其他使用SPAD作为传统数字伪随机发生器时钟源的方法不同，我才华横溢的研究生William意识到，可以利用导致脉冲速率指数变化的基础物理学来实现从玻尔兹曼分布采样所需的传递函数，”Theogarajan说。“我们的目标之一是证明我们可以使用 SPAD 实现近乎理想的 p 计算。此外，我们正在探索使用进化偶联进行蛋白质折叠的一些想法，该偶联使用Potts模型。
Potts 模型是一个基于统计力学的框架，本质上是对双态 Ising 模型的更强大的推广。Theogarajan教授、Whitehead教授、Camsari教授和Theograjan小组的研究生Zachary Nelson设计了一种在硬件中轻松实现Potts模型的方法，这是以前从未尝试过的。
“使用SPAD的主要优势之一是能够轻松地将它们集成到CMOS硬件中，我们目前有一些简单的原型，我们正在表征，”Theogarajan解释说，“此外，与其他试图利用固有噪声的设备不同，SPAD信号是雪崩倍增过程导致的放大脉冲。也许，更大的优势来自于利用我们基于SPAD的硬件中存在的自然指数，用于Ising和Potts模型。
Ising 和 Potts 模型都是更广泛的框架的一部分，称为基于能量的模型。基于能源的模型已被世界各地的研究人员广泛采用，并通过从能源的角度重铸成本函数来帮助解决广泛的实际问题。
“最可能的解决方案是最优解决方案。”Theogarajan说。“能量方程被称为哈密顿量，处于特定状态的概率与能量的指数成正比，这是统计力学的众所周知的结果，导致玻尔兹曼分布。简单来说，玻尔兹曼分布是系统最可能的平衡状态。
推导所谓的玻尔兹曼分布是一个计算困难的问题。另一方面，Ising 和 Potts 模型的硬件或实验实现能够从分布中生成样本状态，而不是计算完整的分布。
“可视化这一点的一种方法是想象能源空间中的崎岖景观，有丘陵和山谷，每个山谷都是一个稳定的状态，”Theogarajan说。“然后，系统从一个山谷移动到另一个山谷，有一定的概率，这取决于各州的能量差异。例如，优化任务的目标是在成本函数重铸为能量函数时，找到整个能源景观中的最低谷值。然而，如果山谷周围的障碍很高，系统通常会卡在次优山谷中。
解决此问题的一种方法是启动一个具有高计算温度的系统。这允许系统从局部最小值反弹，缓慢降低温度以确定最佳解决方案。这种策略被称为退火，因为它模仿了物理学理论描述的退火过程。
“那么，SPAD如何适应这里呢?SPAD的脉冲速率与光子到达时间密切相关，“Theogarajan解释说。“众所周知，光子统计遵循泊松过程，光子之间的到达时间呈指数分布。如果使用滤波器将脉冲之间的时间转换为电压，并与代表能量的电压进行比较，则该比较产生的脉冲速率将遵循与能量成正比的指数，这正是实现玻尔兹曼分布所需的。
完成此过程后，剩下的就是将 SPAD 产生的短暂脉冲转换为 Ising 和 Potts 实现所需的状态。Theogarajan及其同事使用简单的设置-复位触发器技术和赢家通吃锁存机制来实现Potts模型的独热编码向量。
“赢家通吃机制基本上将电流输出设置为1，如果它接收到一个事件并重置形成Potts节点的矢量的所有其他节点，”Theogarajan说。“SPAD输出的事件性质与实现指数的机制相结合，将所有计算减少到单个紧凑的设备中，这通常需要1000个晶体管才能实现。更重要的是，指数的实现非常准确，因为它与设备的固有物理特性有关。
SPAD的另一个有趣的特性是，它们可以利用光强度和/或过高的偏置电压实时实现退火。这些变量可以控制设备的整体脉冲速率，从而控制它们的计算温度。
“这与目前的退火方法非常不同，在目前的退火方法中，在每个退火步骤中都会缩放重量以改变计算温度，”Theogarajan说。“总的来说，我们的研究突出了Potts模型的力量。使用相同的底层硬件，我们能够证明 Potts 模型及其固有的单热向量实现解决方案的速度比 Ising 实现快近 10 倍。据我们所知，这是Potts在硬件中的首次直接实现。
这组研究人员最近的工作可能会产生各种实际影响。例如，他们在硬件系统中实现波茨退火的方法可以为工具的开发提供信息，这些工具可以找到非确定性多项式时间问题的近似解。
“一个实际的后果领域是5G MIMO信道分配，”Theogarajan说。“另一个例子是芯片设计的平面规划。Ising 和 Potts 模型使用少量训练示例从底层分布中真正采样，在 AI/ML 应用程序中也很有用。
在接下来的研究中，Theogarajan和他的同事计划在CMOS芯片上实现他们的Potts退火实现。该团队已经朝着这个目标取得了一些进展，例如在CMOS中验证了65nm尺寸的集成单神经元电路。
“这些电路非常小，使用大约 50 μm2，相比之下，单个 231-1 伪随机数发生器占用约 200 μm2在同一个技术节点上，“Theogarajan补充道。“我们将很快设计出一种包含许多自旋/神经元以及突触的芯片。此外，我们还在评估利用 Potts 模型进行计算的架构。
