Resolver problemas complejos más rápido: innovaciones en la tecnología de las máquinas Ising

Las computadoras son esenciales para resolver problemas complejos en campos como la programación, la logística y la planificación de rutas, pero las computadoras tradicionales luchan con la optimización combinatoria a gran escala, ya que no pueden procesar de manera eficiente una gran cantidad de posibilidades. Para abordar esto, los investigadores han explorado sistemas especializados.

Uno de esos sistemas es la red Hopfield, un importante avance en inteligencia artificial de 1982, que demostró en 1985 resolver la optimización combinatoria al representar soluciones como niveles de energía y encontrar naturalmente la solución óptima o de menor energía.

Partiendo de ideas similares, las máquinas Ising utilizan los principios del giro magnético para encontrar soluciones eficientes minimizando la energía del sistema mediante un proceso similar al recocido. Sin embargo, un desafío importante con las máquinas Ising es su gran tamaño de circuito, especialmente en sistemas totalmente conectados donde cada giro interactúa con otros, lo que complica su escalabilidad.

Un equipo de investigación de la Universidad de Ciencias de Tokio, Japón, ha estado trabajando para encontrar soluciones a este problema relacionado con las máquinas Ising. En un estudio reciente dirigido por el profesor Takayuki Kawahara, informaron sobre un método innovador que puede reducir a la mitad la cantidad de interacciones que deben implementarse físicamente. Sus hallazgos fueron publicado en el diario Acceso IEEE el 1 de octubre de 2024.

El método propuesto se centra en visualizar las interacciones entre espines como una matriz bidimensional, donde cada elemento representa la interacción entre dos espines específicos. Dado que estas interacciones son «simétricas» (es decir, la interacción entre Spin 1 y Spin 2 es la misma que entre Spin 2 y Spin 1), la mitad de la matriz de interacción es redundante y puede omitirse; este concepto ha existido durante varios años. años.

En 2020, el profesor Kawahara y sus colegas presentaron un método para doblar y reorganizar la mitad restante de la matriz de interacción en forma de rectángulo para minimizar la huella del circuito. Si bien esto condujo a cálculos paralelos eficientes, el cableado necesario para leer las interacciones y actualizar los valores de espín se volvió más complejo y difícil de ampliar.

En este estudio, los investigadores propusieron una forma diferente de reducir a la mitad la matriz de interacción que conduce a una mejor escalabilidad en los circuitos. Dividieron la matriz en cuatro secciones y dividieron a la mitad cada una de estas secciones individualmente, preservando alternativamente la mitad «superior» o «inferior» de cada submatriz. Luego, doblaron y reorganizaron los elementos restantes en forma rectangular, a diferencia del enfoque anterior, que conservaba la regularidad de su disposición.

Aprovechando este detalle crucial, los investigadores implementaron una máquina Ising totalmente acoplada basada en esta técnica en su circuito personalizado previamente desarrollado que contiene 16 conjuntos de puertas programables en campo (FPGA).

«Utilizando el enfoque propuesto, pudimos implementar 384 giros en sólo ocho chips FPGA. En otras palabras, dos máquinas Ising independientes y completamente conectadas podrían implementarse en la misma placa», comenta el profesor Kawahara. «Con estas máquinas, dos Los problemas clásicos de optimización combinatoria se resolvieron simultáneamente, es decir, el problema del corte máximo y el problema de los cuatro colores.

El rendimiento del circuito desarrollado para esta demostración fue asombroso, especialmente si se lo compara con lo lento que sería una computadora convencional en la misma situación. «Descubrimos que la relación de rendimiento de dos máquinas Ising totalmente acopladas e independientes de 384 giros era aproximadamente 400 veces mejor que la simulación de una máquina Ising en una CPU Core i7-4790 normal para resolver los dos problemas secuencialmente», informa Kawahara.

En el futuro, estos desarrollos de vanguardia allanarán el camino hacia máquinas Ising escalables adecuadas para aplicaciones del mundo real, como simulaciones moleculares más rápidas para acelerar el descubrimiento de fármacos y materiales.

Además, mejorar la eficiencia de los centros de datos y la red eléctrica también es factible en casos de uso, que se alinean bien con los objetivos de sostenibilidad global de reducir la huella de carbono de tecnologías emergentes como los vehículos eléctricos y las telecomunicaciones 5G/6G.

A medida que las innovaciones continúan desarrollándose, las máquinas Ising escalables pronto podrían convertirse en herramientas invaluables en todas las industrias, transformando la forma en que abordamos algunos de los desafíos de optimización más complejos del mundo.