オシレーター・イジング機械をPビットエンジンとして構成する

ノイズを計算に活用する新しい方法

航空路線のスケジューリングや特定のニューラルネットワークの学習のように、問題が急速に複雑化してしまうタスクに多くの強力な計算機は苦労します。本論文は、微小な電子「オシレーター」—自然にリズム信号を発生する回路—を、良好な解を探索すると同時に確率的に多様な可能性を探索する機械へと転換する新しいアプローチを探ります。ノイズ（ランダム性）を厄介ごとではなく資源として巧みに利用することで、著者らは「オシレーター・イジング機械」と呼ばれる特殊用途ハードウェアを「確率的ビット（pビット）エンジン」のように再構成できることを示します。

ふたつの異色の計算概念の出会い

この研究は、従来とは異なる計算の考え方を二つ結びつけます。オシレーター・イジング機械は、同期したオシレーターのネットワークを用いて、相互に作用するスピンが低エネルギー状態に落ち着く様子を模倣し、困難な最適化問題を解きます。一方、確率的ビット（pビット）エンジンは別の道をたどります：意図的にノイズを含む二値素子の出力が入力に応じて0と1の間を確率的に反転することで動作します。こうしたpビットネットワークは、問題の「エネルギー地形」から確からしい構成を多数サンプリングすることに優れており、確率的推論や機械学習に必要な要素です。これまで、これら二つのハードウェア概念は並行して発展してきた面が強く、片方がもう片方をどのように模倣できるかの理解は限られていました。

オシレーターをノイズ駆動の意思決定装置に変える

著者らはまず単一のオシレーターに注目し、それがどのように二値確率ニューラル素子（バイアスを調整できるコインのハードウェア相当）として振る舞えるかを示します。リズミカルな駆動信号を二種類適用します：一つはオシレーターの固有周波数である基本高調波で位相を定め、もう一つはその二倍の周波数の二次高調波で位相が二つの安定位置のいずれかに落ち着くことを好みます。二次信号を弱めると、これら二つの位置間のエネルギー障壁が低くなり、熱的ノイズによって容易にどちらにも押しやられます。オシレーターを中立位相に一時的に準備してからこれらの力を競合させると、最終状態は入力の強さによって制御される確率で二つの結果のいずれかを選ぶランダムな決定になります。

多数のオシレーターから確率的ネットワークを構築する

次に論文は、このようなオシレーター群がどのようにして確率的ニューラルネットワーク、すなわちpビットエンジンのハードウェア実現として機能し得るかを示します。従来のオシレーター・イジング機械では、オシレーター間の結合が位相パターンの収束を促し、最適化問題の良好な解に対応する位相配置に落ち着かせます。ここでは著者らはサンプリング手順を導入します：大多数のオシレーターは現在の状態にしっかり固定され、ある一つだけを一時的に解放して中立位相にリセットし、隣接のオシレーターとノイズの影響下で二つの安定位相のいずれかにランダムに落ちるようにします。この操作をオシレーターごとに繰り返すことで、既存のpビットモデルで使われる数学的規則を再現し、ハードウェアは問題のエネルギー地形に対するギブス・サンプリングを事実上実行します。

アイデアの実証

手法の検証として、研究者らは二種類のタスクをシミュレートします。まず、オシレーター基盤の確率的ニューロンを用いてフルアダーと呼ばれる小さな論理回路を実装します。これは三つの入力ビットを合計と繰り上がりに変換する回路です。全端子を自由にしたモードで動かすと、システムは期待されるボルツマン分布と良く一致する頻度で異なる入出力組合せを自然に訪れ、確率的な振る舞いが正しいことを確認します。次にランダムグラフ上のMaxCut問題に取り組みます。目的はノードを二つのグループに分け、できるだけ多くの辺がグループ間を跨ぐようにすることです。サンプリング手順を用いることで、オシレーター・ネットワークは最適なカットを見つけるだけでなく、基礎にある統計物理学を反映した方法で状態を訪れ、訪問した状態の分布がエネルギーと確率の期待される指数関係に従うことを示します。

一つの機械種に留まらない拡張性

著者らはさらに、同じサンプリングレシピが位相間の相互作用ルールがやや異なる動的イジング機械のような他のアナログなイジング類似系にも適用できることを示します。確率的更新を支配する基礎的な数学が同じであるため、これら異なる物理プラットフォームもpビットエンジンとして調整可能です。この一般性は、ここで研究された特定のオシレーター設計に限らず、多くのアナログな動力学系が自然な分岐やノイズ駆動の切替を利用することで確率的計算へと転用可能であることを示唆します。

将来の計算にとっての意義

非専門家に向けた要点は、著者らが決定論的にエネルギーを最小化する機械を制御されたランダム探索装置としても機能させる方法を示したことです。オシレーターの押し方やノイズの作用のさせ方を慎重に設計することで、かつては近傍の解に「落ちていくだけ」だった同じハードウェアが、統計的に意味のある方法で地形をさまようことが可能になります。この二重の能力は、困難な最適化問題を解くことや、ハードウェアに適した新しい確率的推論や学習手法を駆動するために有用であり、特化タスク向けに現行のデジタルプロセッサよりもエネルギー効率の高い代替となる可能性があります。

引用: Ekanayake, E.M.H., Khan, N. & Shukla, N. Configuring oscillator Ising machines as P-bit engines. Commun Phys 9, 128 (2026). https://doi.org/10.1038/s42005-026-02492-z

キーワード: オシレーター・イジング機械, Pビット計算, 確率的ハードウェア, ボルツマン・サンプリング, 組合せ最適化