La ricerca collaborativa pubblicata su Nature Electronics mostra la promessa di computer probabilistici

L’ascesa dell’intelligenza artificiale (AI) e dell’apprendimento automatico (ML) ha creato una crisi nell’informatica e una significativa necessità di più hardware che sia efficiente dal punto di vista energetico e scalabile. Un passaggio chiave sia nell’IA che nel ML è prendere decisioni basate su dati incompleti, l’approccio migliore per il quale è produrre una probabilità per ogni possibile risposta. Gli attuali computer classici non sono in grado di farlo in modo efficiente dal punto di vista energetico, una limitazione che ha portato alla ricerca di nuovi approcci all’informatica. I computer quantistici, che operano su qubit, possono aiutare ad affrontare queste sfide, ma sono estremamente sensibili all’ambiente circostante, devono essere mantenuti a temperature estremamente basse e sono ancora nelle prime fasi di sviluppo.

Kerem Camsari , assistente professore di ingegneria elettrica e informatica (ECE) presso l’UC Santa Barbara, ritiene che i computer probabilistici (p-computer) siano la soluzione. I P-computer sono alimentati da bit probabilistici (p-bit), che interagiscono con altri p-bit nello stesso sistema. A differenza dei bit nei computer classici, che sono in uno stato 0 o 1, o qubit, che possono trovarsi in più di uno stato alla volta, i p-bit fluttuano tra le posizioni e funzionano a temperatura ambiente. In un  articolo  pubblicato su  Nature Electronics , Camsari ei suoi collaboratori discutono del loro progetto che ha dimostrato la promessa dei p-computer.

“Abbiamo dimostrato che i computer intrinsecamente probabilistici, costruiti con p-bit, possono superare le prestazioni del software all’avanguardia che è stato sviluppato per decenni”, ha affermato Camsari, che in precedenza ha ricevuto uno Young Investigator Award dall’Office of Naval Research quest’anno.

Il gruppo di Camsari ha collaborato con scienziati dell’Università di Messina in Italia, con Luke Theogarajan, vicepresidente del dipartimento ECE dell’UCSB, e con il professore di fisica John Martinis, che ha guidato il team che ha costruito il primo computer quantistico al mondo a raggiungere la supremazia quantistica. Insieme, i ricercatori hanno ottenuto i loro risultati promettenti utilizzando l’hardware classico per creare architetture specifiche del dominio. Hanno sviluppato un’esclusiva sparse Ising machine (sIm), un nuovo dispositivo informatico utilizzato per risolvere i problemi di ottimizzazione e ridurre al minimo il consumo di energia.

Camsari descrive la sim come una raccolta di bit probabilistici che possono essere pensati come persone. E ogni persona ha solo un piccolo gruppo di amici fidati, che sono le connessioni “sparse” nella macchina.

“Le persone possono prendere decisioni rapidamente perché ognuno di loro ha un piccolo gruppo di amici fidati e non devono ascoltare tutti in un’intera rete”, ha spiegato. “Il processo attraverso il quale questi agenti raggiungono il consenso è simile a quello utilizzato per risolvere un difficile problema di ottimizzazione che soddisfa molti vincoli diversi. Le macchine sparse Ising ci consentono di formulare e risolvere un’ampia varietà di tali problemi di ottimizzazione utilizzando lo stesso hardware”.

L’architettura prototipata del team includeva un FPGA (field-programmable gate array), un potente componente hardware che offre molta più flessibilità rispetto ai circuiti integrati specifici dell’applicazione.

“Immagina un chip per computer che ti permetta di programmare le connessioni tra p-bit in una rete senza dover fabbricare un nuovo chip”, ha detto Camsari.

I ricercatori hanno dimostrato che la loro architettura sparsa negli FPGA era fino a sei ordini di grandezza più veloce e aveva una velocità di campionamento aumentata da cinque a diciotto volte più veloce di quella raggiunta dagli algoritmi ottimizzati utilizzati sui computer classici.

Inoltre, hanno riferito che la loro sim raggiunge un enorme parallelismo in cui i lanci al secondo – la cifra chiave che misura la velocità con cui un p-computer può prendere una decisione intelligente – scala linearmente con il numero di p-bit. Camsari fa riferimento all’analogia degli amici fidati che cercano di prendere una decisione.

“La questione chiave è che il processo per raggiungere un consenso richiede una forte comunicazione tra le persone che parlano continuamente tra loro sulla base delle loro ultime riflessioni”, ha osservato. “Se tutti prendono decisioni senza ascoltare, non si può raggiungere un consenso e il problema dell’ottimizzazione non è risolto”.

In altre parole, più velocemente comunicano i p-bit, più velocemente può essere raggiunto un consenso, motivo per cui aumentare i lanci al secondo, assicurando che tutti si ascoltino, è fondamentale.

“Questo è esattamente ciò che abbiamo ottenuto nel nostro design”, ha spiegato. “Assicurando che tutti si ascoltino e limitando il numero di ‘persone’ che potrebbero essere amiche tra loro, abbiamo messo in parallelo il processo decisionale”.

Il loro lavoro ha anche mostrato la capacità di scalare i p-computer fino a cinquemila p-bit, cosa che Camsari considera estremamente promettente, pur osservando che le loro idee sono solo un pezzo del puzzle dei p-computer.

“Per noi, questi risultati sono stati la punta dell’iceberg”, ha detto. “Abbiamo utilizzato la tecnologia a transistor esistente per emulare le nostre architetture probabilistiche, ma se per costruire p-computer venissero utilizzati nanodispositivi con livelli di integrazione molto più elevati, i vantaggi sarebbero enormi. Questo è ciò che mi fa perdere il sonno”.

Un p-computer a 8 p-bit che Camsari ei suoi collaboratori hanno costruito durante il suo periodo come studente laureato e ricercatore post-dottorato alla Purdue University ha inizialmente mostrato il potenziale del dispositivo. Il loro  articolo , pubblicato nel 2019 su  Nature , descriveva una riduzione di dieci volte dell’energia e una riduzione di cento volte dell’impronta dell’area richiesta rispetto a un computer classico. Il finanziamento iniziale, fornito nell’autunno 2020 dall’Istituto per l’efficienza energetica dell’UCSB, ha consentito a Camsari e Theogarajan di fare un ulteriore passo avanti nella ricerca sui computer, supportando il lavoro presentato in  Nature Electronics .

“I risultati iniziali, combinati con i nostri ultimi risultati, significano che la creazione di p-computer con milioni di p-bit per risolvere problemi di ottimizzazione o decisionali probabilistici con prestazioni competitive potrebbe essere semplicemente possibile”, ha affermato Camsari.

Il team di ricerca spera che un giorno i p-computer gestiranno una serie specifica di problemi, naturalmente probabilistici, in modo molto più veloce ed efficiente.

Di ihal

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi