Параллельный вероятностный процессор на основе магнитных туннельных переходов для эффективной квадратичной оптимизации

Почему важно ускорять решение задач

От планирования маршрутов доставки до размещения машин на заводском цехе — многие повседневные задачи скрывают в своей основе глубокую головоломку: как выбрать наилучшее расположение из огромного множества вариантов. По мере роста таких задач даже мощные компьютеры могут требовать много времени и потреблять большое количество энергии. В этой статье описан новый тип специализированного оборудования, использующего крошечные магнитные устройства и управляемую случайность для поиска хороших ответов намного быстрее и эффективнее, чем стандартные микросхемы, и который даже конкурирует с современными квантовыми системами.

Задача сопоставления мест и задач

Одним из самых сложных примеров таких головоломок является задача квадратичного распределения. Она отражает ситуации, когда несколько объектов нужно разместить по нескольким местам, и стоимость зависит не только от расстояния, но и от того, насколько сильно взаимодействуют между собой пары объектов. В отличие от более простых задач, где каждая точка учитывает лишь несколько соседей, здесь каждая пара выборов может влиять на любую другую. Эта плотная сеть взаимодействий вызывает взрывной рост числа возможных размещений, и традиционные методы часто испытывают трудности, когда число объектов превышает несколько десятков. Поскольку похожие шаблоны встречаются при проектировании микросхем, в центрах обработки данных и биоинформатике, поиск лучшего подхода к этой задаче мог бы помочь многим отраслям.

Использование магнетизма для управления случайностью

Авторы опираются на физическую систему, известную как модель Изинга, где каждая переменная подобна маленькому спину, который может указывать в одном из двух направлений. Лучшее решение головоломки соответствует минимальной по энергии конфигурации всех этих спинов. Для исследования разных конфигураций их машина использует магнитные туннельные переходы — те же базовые элементы, что и в магнитной памяти. Каждый переход содержит фиксированный магнитный слой и свободный слой, разделённые тонким барьером. При подаче короткого импульса напряжения свободный слой может перевернуться в случайном, но контролируемом порядке. Настраивая импульс, команда может задать вероятность переключения каждого элемента, фактически превращая эти переходы и в генераторы случайных чисел, и в элементы принятия решений, работающие по правилам модели Изинга.

Высокопараллельный магнитный процессор

Ядром системы является плата, содержащая 144 таких магнитных устройства, сгруппированных в вычислительные элементы и управляемых цифро-аналоговыми и аналого-цифровыми преобразователями, подключёнными к программируемой логической матрице (FPGA). На каждом шаге поиска FPGA вычисляет, как изменится полная энергия при перевороте каждого отдельного спина, и преобразует эти значения в напряжения для всех переходов одновременно. Затем каждое устройство независимо решает, перевернуться ли ему, опираясь на встроенную случайность. Умная схема, называемая арбитром, использует дополнительные случайные биты от других переходов, чтобы выбрать, какой из принятых переворотов действительно выполнить, так что общий процесс продолжает следовать корректной статистической механике. Перед запуском задач команда тщательно калибрует каждый переход, чтобы его поведение при переключении следовало стандартной S-образной кривой, что повышает согласованность по всему массиву.

Опережая классические и квантоподобные подходы

Авторы протестировали свой магнитный процессор на наборе задач распределения различного размера, сравнив его с программным обеспечением на высокопроизводительном центральном процессоре, мощной графической карте и коммерческим квантовым отжиговым оборудованием D-Wave. Используя схему, называемую параллельным отжигом испытаний, при которой одновременно оцениваются многие кандидаты на переворот, их система достигает почти оптимальных ответов до 123 раз быстрее, чем стандартный алгоритм имитированного отжига, запущенный на том же оборудовании, при этом потребляя на 98,3% меньше энергии. По сравнению с тщательно оптимизированной реализацией на обычном процессоре она всё равно обеспечивает более чем трёхкратное ускорение и значительную экономию энергии. Что касается квантовых машин, исследование показывает, что они надёжно справляются только с самыми маленькими тестовыми случаями для этой полностью связной задачи и часто не возвращают корректных решений по мере роста размера, тогда как магнитный процессор сохраняет высокое качество решений на всём диапазоне.

Что это значит для будущих вычислений

Работа демонстрирует, что при тесной связке физики и алгоритмов возможно создать компактное энергоэффективное оборудование, заточенное под определённый класс трудных задач. По мере созревания технологий магнитной памяти и возможности упаковать миллионы таких переходов на одном чипе рядом со стандартной электроникой, подобные процессоры смогут решать гораздо большие реальные задачи в планировании, маршрутизации и проектировании. Вместо того чтобы заменять универсальные или квантовые компьютеры, такие вероятностные магнитные машины предлагают практичный краткосрочный путь к ускорению оптимизации, позволяя самой природе исследовать пространство возможных решений.

Цитирование: 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

Ключевые слова: вероятностные вычисления, магнитные туннельные переходы, задача квадратичного распределения, машина Изинга, аппаратная оптимизация