확률적 컴퓨터의 가능성

확률적 컴퓨터의 가능성 날짜: 2022년 6월 13일 원천: 캘리포니아 대학교 - 산타 바바라 요약: 인공 지능(AI)과 머신 러닝(ML)의 부상으로 컴퓨팅 위기가 발생했으며 에너지 효율적이고 확장 가능한 더 많은 하드웨어가 필요하게 되었습니다. AI와 ML 모두에서 핵심 단계는 불완전한 데이터를 기반으로 의사 결정을 내리는 것입니다. 최선의 접근 방식은 가능한 각 답변에 대한 확률을 출력하는 것입니다. 현재의 고전적인 컴퓨터는 에너지 효율적인 방식으로 이를 수행할 수 없으며 컴퓨팅에 대한 새로운 접근 방식을 찾는 데 한계가 있습니다. 큐비트에서 작동하는 양자 컴퓨터는 이러한 문제를 해결하는 데 도움이 될 수 있지만 주변 환경에 매우 민감하고 극도로 낮은 온도에서 유지되어야 하며 아직 개발 초기 단계에 있습니다. 인공 지능(AI)과 머신 러닝(ML)의 부상으로 컴퓨팅 위기가 발생했으며 에너지 효율적이고 확장 가능한 더 많은 하드웨어가 필요하게 되었습니다. AI와 ML 모두에서 핵심 단계는 불완전한 데이터를 기반으로 의사 결정을 내리는 것입니다. 최선의 접근 방식은 가능한 각 답변에 대한 확률을 출력하는 것입니다. 현재의 고전적인 컴퓨터는 에너지 효율적인 방식으로 이를 수행할 수 없으며 컴퓨팅에 대한 새로운 접근 방식을 찾는 데 한계가 있습니다. 큐비트에서 작동하는 양자 컴퓨터는 이러한 문제를 해결하는 데 도움이 될 수 있지만 주변 환경에 매우 민감하고 극도로 낮은 온도에서 유지되어야 하며 아직 개발 초기 단계에 있습니다. UC Santa Barbara의 전기 및 컴퓨터 공학(ECE) 조교수인 Kerem Camsari는 확률적 컴퓨터(p-computers)가 해결책이라고 믿습니다. P-컴퓨터는 동일한 시스템의 다른 p-비트와 상호 작용하는 확률적 비트(p-비트)로 구동됩니다. 0 또는 1 상태에 있는 기존 컴퓨터의 비트 또는 한 번에 둘 이상의 상태에 있을 수 있는 큐비트와 달리 p-비트는 위치 간에 변동하고 실온에서 작동합니다. 네이처 일렉트로닉스( Nature Electronics ) 에 게재된 기사 에서 Camsari와 그의 동료들은 p-컴퓨터의 가능성을 입증한 프로젝트에 대해 논의합니다. 앞서 해군 연구실에서 젊은 조사관 상을 받은 Camsari는 "우리는 본질적으로 p비트로 구축된 확률론적인 컴퓨터가 수십 년 동안 개발된 최신 소프트웨어보다 성능이 뛰어날 수 있음을 보여주었다"고 말했습니다. 올해. Camsari의 그룹은 UCSB의 ECE 부서 부회장인 Luke Theogarajan, 양자 우위를 달성하기 위해 세계 최초의 양자 컴퓨터를 구축한 팀을 이끈 물리학 교수인 John Martinis와 함께 이탈리아 Messina 대학의 과학자들과 협력했습니다. 연구원들은 함께 고전 하드웨어를 사용하여 도메인별 아키텍처를 생성함으로써 유망한 결과를 달성했습니다. 그들은 최적화 문제를 해결하고 에너지 소비를 최소화하는 데 사용되는 새로운 컴퓨팅 장치인 고유한 희소 아이싱 머신(sIm)을 개발했습니다. Camsari는 sim을 사람으로 생각할 수 있는 확률적 비트의 모음으로 설명합니다. 그리고 각 사람은 기계의 "희박한" 연결인 신뢰할 수 있는 소수의 친구만 가지고 있습니다. "사람들은 신뢰할 수 있는 소수의 친구가 있고 전체 네트워크의 모든 사람의 의견을 들을 필요가 없기 때문에 신속하게 결정을 내릴 수 있습니다."라고 그는 설명했습니다. "이러한 에이전트가 합의에 도달하는 프로세스는 다양한 제약 조건을 충족하는 어려운 최적화 문제를 해결하는 데 사용되는 프로세스와 유사합니다. Sparse Ising 기계를 사용하면 동일한 하드웨어를 사용하여 이러한 최적화 문제를 광범위하게 공식화하고 해결할 수 있습니다." 팀의 프로토타입 아키텍처에는 애플리케이션별 집적 회로보다 훨씬 더 많은 유연성을 제공하는 강력한 하드웨어인 FPGA(Field-Programmable Gate Array)가 포함되어 있습니다. "새 칩을 제작할 필요 없이 네트워크에서 p-비트 간의 연결을 프로그래밍할 수 있는 컴퓨터 칩을 상상해 보세요."라고 Camsari가 말했습니다. 연구원들은 FPGA의 희소 아키텍처가 기존 컴퓨터에서 사용되는 최적화된 알고리즘에 의해 달성된 것보다 최대 6배 더 빠르며 샘플링 속도가 5-18배 더 빠르다는 것을 보여주었습니다. 또한, 그들은 그들의 sim이 초당 플립(p-컴퓨터가 지능적인 결정을 얼마나 빨리 내릴 수 있는지 측정하는 핵심 수치)이 p-비트 수에 따라 선형으로 확장되는 대규모 병렬 처리를 달성했다고 보고했습니다. Camsari는 결정을 내리기 위해 노력하는 신뢰할 수 있는 친구의 비유를 참조합니다. 그는 "핵심 문제는 합의에 도달하는 과정에서 최근의 생각을 바탕으로 끊임없이 이야기하는 사람들 사이의 강력한 의사 소통이 필요하다는 것"이라고 지적했다. "모두가 듣지 않고 결정을 내리면 합의가 이루어지지 않고 최적화 문제가 해결되지 않습니다." 즉, p-비트가 더 빨리 통신할수록 더 빨리 합의에 도달할 수 있으므로 초당 플립 수를 늘리면서 모든 사람이 서로의 말을 듣도록 하는 것이 중요합니다. "이것이 바로 우리가 디자인에서 달성한 것입니다."라고 그는 설명했습니다. "모든 사람이 서로의 말을 경청하고 서로 친구가 될 수 있는 '사람'의 수를 제한함으로써 의사 결정 프로세스를 병렬화했습니다." 그들의 연구는 또한 그들의 아이디어가 p-컴퓨터 퍼즐의 한 조각에 불과하다는 점을 지적하면서 Camsari가 매우 유망한 것으로 보고 있는 p-컴퓨터를 최대 5,000p-비트까지 확장할 수 있는 능력을 보여주었습니다. "우리에게 이러한 결과는 빙산의 일각이었습니다."라고 그는 말했습니다. "우리는 기존 트랜지스터 기술을 사용하여 확률적 아키텍처를 에뮬레이트했지만 훨씬 더 높은 수준의 집적도를 가진 나노 장치를 사용하여 p-컴퓨터를 구축하면 이점이 엄청날 것입니다. 이것이 제가 잠을 못 자게 만드는 것입니다." Camsari와 그의 동료들이 Purdue 대학에서 대학원생이자 박사후 연구원으로 있을 때 구축한 8p비트 p-컴퓨터는 처음에 이 장치의 잠재력을 보여주었습니다. 2019년 Nature 에 발표된 그들의 기사에서는 기존 컴퓨터에 비해 에너지가 10배, 필요한 면적이 100배 감소했다고 설명했습니다. 2020년 가을에 UCSB의 에너지 효율 연구소에서 제공한 시드 펀딩을 통해 Camsari와 Theogarajan은 p-컴퓨터 연구를 한 단계 더 발전시켜 Nature Electronics 에 실린 작업을 지원했습니다 . Camsari는 "최신 결과와 결합된 초기 발견은 최적화 또는 경쟁 성능으로 확률적 의사 결정 문제를 해결하기 위해 수백만 p비트로 p-컴퓨터를 구축하는 것이 가능할 수 있음을 의미합니다"라고 말했습니다. 연구팀은 p-컴퓨터가 언젠가는 특정 문제 세트, 자연스럽게 확률적인 문제를 훨씬 빠르고 효율적으로 처리할 수 있기를 희망합니다.