Równoległy probabilistyczny procesor Isinga oparty na magnetycznych złączach tunelowych do wydajnej optymalizacji kwadratowej

Dlaczego szybsze rozwiązywanie problemów ma znaczenie

Od planowania tras dostaw po rozmieszczanie maszyn na hali produkcyjnej — wiele codziennych zadań skrywa u podstaw głęboką zagadkę: jak wybrać najlepsze rozlokowanie spośród ogromnej liczby możliwości. W miarę wzrostu skali takich problemów nawet wydajne komputery mogą potrzebować dużo czasu i energii. Ten artykuł opisuje nowy rodzaj specjalizowanego sprzętu, który wykorzystuje maleńkie urządzenia magnetyczne i kontrolowany przypadek, by szukać dobrych rozwiązań znacznie szybciej i efektywniej niż standardowe układy, a także konkurować z nowoczesnymi maszynami kwantowymi.

Zadanie dopasowania miejsc i zadań

Jednym z najtrudniejszych przykładów takich zagadek jest tzw. kwadratowy problem przydziału. Obejmuje on sytuacje, w których kilka obiektów (zakładów) musi zostać przypisanych do kilku lokalizacji, a koszt zależy nie tylko od odległości, lecz także od siły interakcji między każdą parą obiektów. W przeciwieństwie do prostszych zadań, gdzie każdy punkt zależy tylko od kilku sąsiadów, tutaj każda para decyzji może wpływać na wszystkie inne. Ta gęsta sieć zależności powoduje eksplozję liczby możliwych rozwiązań, a tradycyjne metody często słabną, gdy problem przekracza kilkadziesiąt obiektów. Ponieważ podobne wzorce pojawiają się w projektowaniu układów scalonych, centrach danych i bioinformatyce, znalezienie lepszego sposobu radzenia sobie z tym problemem mogłoby pomóc wielu branżom.

Wykorzystanie magnetyzmu do pozyskiwania losowości

Naukowcy opierają się na fizycznym modelu znanym jako model Isinga, gdzie każda zmienna przypomina mały spin, który może wskazywać w jednym z dwóch kierunków. Najlepsze rozwiązanie zagadki odpowiada najniższej energii tego układu spinów. Aby badać różne konfiguracje, ich maszyna korzysta z magnetycznych złączy tunelowych — tych samych podstawowych elementów, które występują w magnetycznych pamięciach. Każde złącze zawiera stałą warstwę magnetyczną i warstwę wolną oddzielone cienką barierą. Po krótkim impulsie napięciowym warstwa wolna może zmienić kierunek w sposób losowy, ale kontrolowalny. Poprzez dostrojenie impulsu zespół może ustawić prawdopodobieństwo przełączenia każdego elementu, skutecznie zmieniając te złącza w generatory liczb losowych i decydentów, którzy postępują zgodnie z regułami modelu Isinga.

Wysoce równoległy procesor magnetyczny

Rdzeń systemu stanowi płytka zawierająca 144 takich urządzeń magnetycznych, pogrupowanych w elementy przetwarzające i sterowanych przetwornikami cyfrowo-analogowymi oraz analogowo-cyfrowymi połączonymi z programowalną matrycą logiczną (FPGA). W każdym kroku poszukiwania FPGA oblicza, o ile zmieniłaby się całkowita energia, gdyby którykolwiek pojedynczy spin się odwrócił, i tłumaczy te wartości na napięcia dla wszystkich złączy jednocześnie. Każde urządzenie następnie niezależnie decyduje, czy się przełączyć, na podstawie swojej wbudowanej losowości. Sprytne układy zwane arbiterami wykorzystują dodatkowe losowe bity z kolejnych złączy, aby wybrać, który zaakceptowany przełącznik zostanie faktycznie przeprowadzony, tak by cały proces nadal przestrzegał właściwych reguł statystycznych. Przed uruchomieniem zadań zespół starannie kalibruje każde złącze, tak aby jego charakterystyka przełączania podążała standardową krzywą w kształcie litery S, co poprawia spójność w całej macierzy.

Pokonując podejścia konwencjonalne i kwantowe

Autorzy przetestowali swój procesor magnetyczny na zestawie problemów przydziału o rosnącej wielkości, porównując go z oprogramowaniem uruchamianym na wydajnym procesorze centralnym, silnej karcie graficznej oraz komercyjnym sprzętem do annealingu kwantowego firmy D-Wave. Korzystając ze schematu zwanego równoległym probowaniem przełączeń (parallel-trial annealing), gdzie wiele kandydatów jest ocenianych jednocześnie, ich system osiąga prawie optymalne odpowiedzi do 123 razy szybciej niż standardowy algorytm symulowanego wyżarzania uruchomiony na tym samym sprzęcie, przy użyciu o 98,3 procent mniej energii. W porównaniu z dobrze zoptymalizowaną implementacją na konwencjonalnym procesorze nadal zapewnia ponad trzykrotne przyspieszenie i znaczące oszczędności energetyczne. W odniesieniu do maszyn kwantowych badanie wykazuje, że radzą sobie one jedynie z najmniejszymi przypadkami testowymi dla tego w pełni połączonego problemu, często nie zwracając prawidłowych rozwiązań wraz ze wzrostem rozmiaru, podczas gdy procesor magnetyczny utrzymuje wysoką jakość rozwiązań w całym zakresie.

Co to oznacza dla przyszłych obliczeń

Praca pokazuje, że poprzez ścisłe sprzężenie fizyki i algorytmów możliwe jest zbudowanie zwartego, energooszczędnego sprzętu dostosowanego do konkretnej klasy trudnych problemów. W miarę dojrzewania technologii pamięci magnetycznej i możliwości upakowania milionów takich złączy na jednym chipie wraz z elektroniką standardową, podobne procesory mogłyby rozwiązywać znacznie większe, rzeczywiste zadania w planowaniu, trasowaniu i projektowaniu. Zamiast zastępować komputery ogólnego przeznaczenia czy maszyny kwantowe, takie probabilistyczne magnetyczne układy oferują praktyczną, krótkoterminową ścieżkę do szybszej optymalizacji, pozwalając naturze eksplorować przestrzeń możliwości.

Cytowanie: 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

Słowa kluczowe: obliczenia probabilistyczne, magnetyczne złącza tunelowe, kwadratowy problem przydziału, maszyna Isinga, optymalizacja sprzętowa