계산 복잡도의 개념에 따르면, 수학 문제는 얼마나 쉽게 풀 수 있는지에 따라 다양한 난이도가 있습니다. 기존의 컴퓨터는 다항식 시간(즉, P를 푸는 데 필요한 시간은 입력 크기의 다항식 함수임)에서 일부 문제(P)를 풀 수 있지만 문제 크기에 따라 기하급수적으로 확장되는 NP 문제와 따라서 다항식 시간에 풀 수 없습니다. 따라서 반도체 장치에 내장된 기존 컴퓨터로는 충분히 큰 NP 문제를 해결할 수 없습니다.
상당한 수의 작업을 동시에 수행할 수 있는 능력으로 인해 양자 컴퓨터는 이와 관련하여 유망한 것으로 간주됩니다. 결과적으로 NP 문제 해결 절차가 가속화됩니다. 그러나 많은 물리적 응용 분야는 온도 변화에 매우 민감합니다.
결과적으로 양자 컴퓨터를 사용하려면 극도로 낮은 온도와 같은 가혹한 실험 조건이 필요한 경우가 많아 제조가 어렵고 비용이 증가합니다.
다행스럽게도 양자 컴퓨팅에 대한 덜 알려지고 아직 발견되지 않은 대안은 확률 컴퓨팅입니다. NP 문제를 효과적으로 해결하기 위해 확률적 컴퓨팅은 작동이 열 변동에 따라 달라지는 소위 "확률적 나노 장치"를 사용합니다. 열 변동은 양자 컴퓨터와 달리 확률 계산 문제를 해결하는 데 도움이 됩니다. 결과적으로 확률 컴퓨팅은 일상적인 상황에서 사용하기에 더 실용적입니다.
연구자들은 특정 NP 문제를 해결하기 위해 확률적 나노 장치 네트워크를 시뮬레이션하여 이 실행 가능한 대안에 대해 절실히 필요한 정보를 제공함으로써 확률적 계산 능력을 입증했습니다. Purdue University의 Peter Bermel 교수가 이끄는 연구는 Journal of Photonics for Energy(JPE)에 게재되었습니다.
표준 모델인 "Ising 모델"은 연구자들이 다양한 물리적 및 수학적 주제를 시뮬레이션하는 데 사용되었습니다. "Hamiltonian"으로 알려진 에너지 연산자는 NP 문제를 설명할 수도 있습니다. Hamiltonian은 원래 원자 스핀의 자기 쌍극자 모멘트의 상호 작용을 모델링하기 위해 개발되었습니다. 본질적으로 NP 문제를 해결하려면 관련된 Ising Hamiltonian을 해결해야 합니다.
이러한 문제는 광학 파라메트릭 발진기(OPO)와 열 장벽이 낮은 확률적 원형 나노자석 네트워크로 구성된 확률 컴퓨팅 장치를 사용하여 해결됩니다.
연구원들은 기존 제조 기술을 사용하여 이러한 나노자석 네트워크를 활성화했습니다. 그런 다음 조합 최적화와 관련된 정수론에서 XNUMX개의 NP 완전 문제의 Ising Hamiltonians를 풀기 위해 이를 적용했습니다. NP-완전 문제는 효율적인 솔루션 알고리즘이 없는 문제입니다. 여기에는 정수 선형 프로그래밍, 이진 정수 선형 프로그래밍, 전체 범위 및 숫자 분할이 포함됩니다.
Ising 모델(Boltzmann의 법칙)의 이론적 솔루션과 3, 3 및 6 확률 비트(p-비트)를 포함하는 처음 세 가지 문제의 시뮬레이션 결과는 완벽하게 일치했습니다. 3, 6, 9, 12 및 15p-비트를 사용하여 XNUMX가지 다른 풀 커버리지 문제를 시뮬레이션한 결과 모델링과 이론 간에 유사한 일치가 나타났습니다. 이것은 확률적 컴퓨팅을 위한 프레임워크가 확장될 수 있음을 보여주었습니다.
Bermel에 따르면 "확률적 컴퓨팅을 기존 컴퓨팅 기술에 대한 강력하고 실행 가능한 대안으로 만드는 핵심은 작업 크기에 따른 효과적인 확장입니다. 가장 효과적인 전략을 결정하려면 모델과 실험을 모두 사용해야 합니다.
연구원들은 주어진 시뮬레이션 결과가 모든 p-비트(3에서 15까지)에 대해 확실한 결과를 보여주더라도 병렬 알고리즘이 시뮬레이션 용량을 더욱 높이는 데 도움이 될 수 있다고 제안합니다. 나노자석에서 OPO 네트워크로의 전환은 병렬화가 불가능한 곳에서 효과적인 문제 해결을 가능하게 할 수 있습니다. 이 시스템은 CMOS 기술과 같은 기존 제조 프로세스를 사용하여 OPO 네트워크를 통해 쉽게 구현하고 매핑할 수 있습니다. 결과적으로 확률적 계산을 위한 에너지 장벽이 낮은 확률적 나노자석을 구축할 수 있다.
University of Colorado Boulder 교수이자 JPE 편집장인 Sean Shaheen에 따르면, “인공 지능과 과학/엔터프라이즈 컴퓨팅의 규모가 시급하지는 않더라도 상당한 속도로 증가함에 따라 에너지 소비와 탄소 발자국에 대한 우려는 -전통적인 형태의 컴퓨팅 하드웨어 개발이 점점 더 중요해지고 있습니다.”
Zhu, Xi 및 Bermel의 이 작업은 중요한 클래스의 NP-완전 문제를 처리할 수 있는 기술에 대한 현실적인 경로를 제공합니다. 이 작업은 Ising 계산을 구동하기 위해 광학 장치의 비선형 네트워크를 독창적으로 사용하여 계산이 까다로운 작업을 처리하는 데 있어 기존 하드웨어보다 훨씬 뛰어난 성능을 발휘할 수 있는 확장 가능하고 에너지 효율적인 솔루션을 보여줍니다.
출처: techxplore.com/news
Günceleme: 03/05/2023 14:19