Een parallelle Ising-processor op basis van magnetische tunnelkoppelingen voor efficiënte kwadratische optimalisatie

Waarom sneller problemen oplossen ertoe doet

Van het plannen van bezorgroutes tot het plaatsen van machines op de fabriekvloer: veel alledaagse taken verbergen een diepgaand raadsel: hoe kies je de beste indeling uit een enorm aantal mogelijkheden. Naarmate zulke problemen groeien, kunnen zelfs krachtige computers lang doen over een oplossing en veel energie verbruiken. Dit artikel beschrijft een nieuw type gespecialiseerd hardware dat gebruikmaakt van kleine magnetische apparaten en gecontroleerde willekeurigheid om veel sneller en efficiënter naar goede antwoorden te zoeken dan standaardchips, en dat zelfs kan concurreren met moderne quantummachines.

Een puzzel van plaatsen en taken koppelen

Een van de zwaarste voorbeelden van dit soort puzzels heet het kwadratische toewijzingsprobleem. Het beschrijft situaties waarbij meerdere faciliteiten aan meerdere locaties moeten worden toegewezen, en de kosten afhangen niet alleen van afstand maar ook van hoe sterk elk paar faciliteiten met elkaar interageert. In tegenstelling tot eenvoudigere problemen waarbij elke plek alleen naar een paar buren kijkt, kan hier elk paar keuzes iedere andere beïnvloeden. Dit dichte web van interacties doet het aantal mogelijke indelingen exploderen, en traditionele methoden lopen vaak vast zodra het probleem groter is dan een paar tientallen faciliteiten. Omdat vergelijkbare patronen voorkomen in chipontwerp, datacenters en bio-informatica, kan een betere aanpak van dit vraagstuk vele industrieën helpen.

Magnetisme gebruiken om willekeurigheid te benutten

De onderzoekers bouwen voort op een fysisch systeem dat bekendstaat als het Ising-model, waarbij elke variabele als een klein spinnetje is dat in een van twee richtingen kan wijzen. De beste oplossing van de puzzel komt overeen met de laagste-energietoestand van al deze spins. Om verschillende indelingen te verkennen gebruikt hun machine magnetische tunnelkoppelingen, dezelfde basiselementen als in magnetisch geheugen. Iedere koppeling bevat een vaste magnetische laag en een vrije laag gescheiden door een dunne barrière. Wanneer een korte spanningspuls wordt toegepast kan de vrije laag willekeurig maar bestuurbaar omklappen. Door de puls te tunen kan het team instellen hoe waarschijnlijk het is dat elk element omschakelt, waardoor deze koppelingen zowel willekeurige getalgeneratoren als beslissers worden die de regels van het Ising-model volgen.

Een sterk parallelle magnetische processor

Het hart van het systeem is een bord met 144 van deze magnetische apparaten, gegroepeerd in verwerkings­elementen en aangestuurd door digitaal-naar-analoog en analoog-naar-digitaal converters gekoppeld aan een field-programmable gate array. In elke stap van de zoekopdracht berekent de FPGA hoe de totale energie zou veranderen als een enkele spin omklapt en zet die waarden om in spanningen voor alle koppelingen tegelijk. Elk apparaat beslist vervolgens onafhankelijk of het omslaat, gebaseerd op zijn ingebouwde willekeur. Een slim circuit, een arbiter, gebruikt extra willekeurige bits van aanvullende koppelingen om te kiezen welke geaccepteerde omslag daadwerkelijk wordt uitgevoerd, zodat het gehele proces nog steeds de juiste statistische regels volgt. Voordat ze problemen draaien kalibreren de onderzoekers elk koppel nauwkeurig zodat het omslaggedrag een standaard S-vormige kromme volgt, wat de consistentie over de array verbetert.

Conventionele en quantum-achtige benaderingen verslaan

De auteurs testen hun magnetische processor op een reeks toewijzingsproblemen met toenemende grootte en vergelijken deze met software op een high-end centrale verwerkingseenheid, een krachtige grafische kaart en commercieel quantum-annealing-hardware van D-Wave. Met een methode die parallel-trial annealing heet, waarbij veel kandidaat-omslagen tegelijk worden geëvalueerd, bereikt hun systeem bijna-optimale antwoorden tot 123 keer sneller dan een standaard gesimuleerde-annealing-algoritme op dezelfde hardware, terwijl het 98,3 procent minder energie gebruikt. Vergeleken met een zorgvuldig geoptimaliseerde versie op een conventionele processor levert het nog steeds meer dan driemaal de snelheid en grote energiebesparingen. Voor de quantummachines blijkt uit de studie dat zij voor dit volledig verbonden probleem alleen de allerkleinste testgevallen betrouwbaar aankunnen, en vaak geen geldige oplossingen teruggeven zodra de omvang toeneemt, terwijl de magnetische processor hoge oplossingskwaliteit behoudt over het hele bereik.

Wat dit betekent voor toekomstige computerarchitecturen

Het werk laat zien dat door fysica en algoritmen nauw te koppelen het mogelijk is compacte, energiezuinige hardware te bouwen die is toegesneden op een specifieke klasse van moeilijke problemen. Naarmate magnetische geheugen­technologie volwassen wordt en miljoenen van deze koppelingen op één chip naast standaard elektronica kunnen worden gebundeld, zouden soortgelijke processors veel grotere, praktische taken in planning, routing en ontwerp kunnen aanpakken. In plaats van algemene- of quantumcomputers te vervangen, bieden dergelijke probabilistische magnetische machines een praktische kortetermijnroute naar snellere optimalisatie door de natuur zelf het landschap van mogelijkheden te laten verkennen.

Bronvermelding: Yang, S., Bao, Y., Humianto, E. et al. A parallel magnetic tunnel junction-based probabilistic Ising processor for efficient quadratic optimization. Nat Commun 17, 4616 (2026). https://doi.org/10.1038/s41467-026-71128-1

Trefwoorden: probabilistisch rekenen, magnetische tunnelkoppelingen, kwadratisch toewijzingsprobleem, Ising-machine, hardware-optimalisatie