Um processador Ising probabilístico baseado em junções magnéticas em túnel paralelo para otimização quadrática eficiente

Por que resolver problemas mais rápido importa

De planejar rotas de entrega a organizar máquinas no chão de fábrica, muitas tarefas do dia a dia escondem um enigma profundo em sua essência: como escolher a melhor disposição entre um número enorme de possibilidades. À medida que esses problemas crescem, mesmo computadores potentes podem demorar muito e consumir muita energia. Este artigo descreve um novo tipo de hardware especializado que usa pequenos dispositivos magnéticos e aleatoriedade controlada para buscar boas respostas muito mais rápido e com mais eficiência do que chips padrão, e que até compete com máquinas quânticas modernas.

Um quebra-cabeça de combinar lugares e tarefas

Um dos exemplos mais difíceis desses quebra-cabeças é chamado problema de alocação quadrática. Ele descreve situações nas quais várias instalações devem ser atribuídas a várias localizações, e o custo depende não apenas da distância, mas também de quão forte cada par de instalações interage. Ao contrário de problemas mais simples, em que cada cidade ou ponto se preocupa apenas com alguns vizinhos, aqui cada par de escolhas pode afetar todos os outros. Essa teia densa de interações faz explodir o número de arranjos possíveis, e métodos tradicionais frequentemente têm dificuldade quando o problema ultrapassa algumas dezenas de instalações. Como padrões semelhantes aparecem em design de chips, centros de dados e bioinformática, encontrar uma forma melhor de lidar com esse quebra-cabeça pode beneficiar muitas indústrias.

Usando magnetismo para aproveitar a aleatoriedade

Os pesquisadores partem de um sistema físico conhecido como modelo de Ising, onde cada variável é como um pequeno spin que pode apontar em uma de duas direções. A melhor solução do quebra-cabeça corresponde ao arranjo de energia mais baixa de todos esses spins. Para explorar diferentes arranjos, a máquina deles usa junções magnéticas em túnel, os mesmos elementos básicos encontrados em memórias magnéticas. Cada junção contém uma camada magnética fixa e uma camada livre separadas por uma barreira fina. Quando um pulso de tensão breve é aplicado, a camada livre pode inverter a direção de forma aleatória, porém controlável. Ajustando o pulso, a equipe pode definir quão provável é que cada elemento mude, transformando efetivamente essas junções tanto em geradores de números aleatórios quanto em tomadores de decisão que seguem as regras do modelo de Ising.

Um processador magnético altamente paralelo

O núcleo do sistema é uma placa que abriga 144 desses dispositivos magnéticos, agrupados em elementos de processamento e controlados por conversores digital-para-analógico e analógico-para-digital conectados a uma FPGA. Em cada passo da busca, a FPGA calcula como a energia total mudaria se qualquer spin individual invertesse e traduz esses valores em tensões para todas as junções ao mesmo tempo. Cada dispositivo então decide de forma independente se inverte, com base em sua aleatoriedade intrínseca. Um circuito engenhoso chamado árbitro usa mais bits aleatórios vindos de junções adicionais para escolher qual inversão aceita é efetivamente realizada, de modo que o processo global ainda obedece às regras estatísticas corretas. Antes de rodar os problemas, a equipe calibra cuidadosamente cada junção para que seu comportamento de comutação siga uma curva em S padrão, melhorando a consistência em toda a matriz.

Superando abordagens convencionais e ao estilo quântico

Os autores testam o processador magnético em uma bateria de problemas de alocação de tamanho crescente, comparando-o com software rodando em uma CPU de alto desempenho, uma placa gráfica potente e hardware comercial de annealing quântico da D-Wave. Usando um esquema chamado annealing de tentativas paralelas, no qual muitas possíveis inversões são avaliadas de uma vez, o sistema deles atinge respostas quase ótimas até 123 vezes mais rápido que um algoritmo de annealing simulado padrão executado no mesmo hardware, enquanto usa 98,3% menos energia. Comparado com uma versão cuidadosamente otimizada em um processador convencional, ele ainda oferece mais de três vezes de aceleração e grandes economias de energia. Em relação às máquinas quânticas, o estudo conclui que elas conseguem lidar de forma confiável apenas com os casos de teste muito menores para esse problema completamente conectado, muitas vezes falhando em retornar soluções válidas conforme o tamanho cresce, enquanto o processador magnético mantém alta qualidade de solução em toda a faixa.

O que isso significa para a computação futura

O trabalho demonstra que, ao acoplar de forma estreita física e algoritmos, é possível construir hardware compacto e energeticamente eficiente, voltado a uma classe específica de problemas difíceis. À medida que a tecnologia de memória magnética amadurecer e milhões dessas junções possam ser integradas em um único chip ao lado de eletrônica padrão, processadores semelhantes poderão enfrentar tarefas reais muito maiores em escalonamento, roteamento e design. Em vez de substituir computadores de propósito geral ou quânticos, essas máquinas magnéticas probabilísticas oferecem um caminho prático de curto prazo para otimizações mais rápidas, deixando que a própria natureza explore a paisagem de possibilidades.

Citação: 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

Palavras-chave: computação probabilística, junções magnéticas em túnel, problema de alocação quadrática, máquina Ising, otimização em hardware