Osilatör Ising makinelerini P-bit motorları olarak yapılandırmak

Hesaplama için Gürültüyü Kullanmanın Yeni Bir Yolu

Birçok güçlü bilgisayar, havayolu rotalarını planlamak veya bazı sinir ağlarını eğitmek gibi görevlerde zorluk yaşar çünkü bu problemler hızla karmaşıklık kazanır. Bu makale, küçük elektronik “osilatörleri”—doğal olarak ritmik sinyaller üreten devreleri—hem iyi çözümler arayan hem de kasıtlı olarak rastgele birçok olasılığı keşfeden makinelere dönüştüren taze bir yaklaşımı inceliyor. Yoksunluk yerine bir kaynak olarak gürültü ya da rastgeleliği ustaca kullanarak, yazarlar osilatör Ising makineleri adı verilen bir tür özel amaçlı donanımın, p-bit motoru olarak bilinen başka bir tür davranışını taklit edecek şekilde yeniden yapılandırılabileceğini gösteriyor.

İki Alışılmadık Bilgisayarın Buluşması

Çalışma, geleneksel olmayan hesaplamada iki yükselen fikri bir araya getiriyor. Osilatör Ising makineleri, senkronize osilatörler ağlarını kullanarak etkileşen spinlerin manyetik bir malzemede düşük enerji desenlerine yerleşmesini taklit ederek zor optimizasyon problemlerini çözmeye çalışır. Olasılıksal bitler veya p-bit motorları ise farklı bir yol izler: çıktıları girdilerine bağlı olarak rastgele 0 ile 1 arasında değişen, bilinçli şekilde gürültülü ikili elemanlara dayanır. Bu p-bit ağları, bir problemin “enerji peyzajı”ndan birçok olası konfigürasyonu örneklemekte ustadır; bu, olasılıksal çıkarım ve makine öğrenmesi için anahtar bir bileşendir. Bugüne kadar bu iki donanım kavramı büyük ölçüde paralel evrilmiş ve birinin diğerini nasıl taklit edebileceğine dair az anlayış bulunmuştur.

Bir Osilatörü Gürültülü Bir Karar Vericiye Dönüştürmek

Yazarlar önce tek bir osilatöre odaklanıp bunun ikili stokastik bir nöron—ticari karşılığı ayarlanabilir bir önyargıya sahip bir yazı tura—gibi davranabileceğini gösteriyor. Osilatörün fazını belirleyen doğal frekansında (birincil harmonik) bir sürücü ve fazın iki kararlı pozisyondan birinde olmasını tercih eden iki katı frekansta (ikinci harmonik) ikinci bir sürücü olmak üzere iki tür ritmik sürüş sinyali uyguluyorlar. İkinci sinyal zayıf olduğunda bu iki pozisyon arasındaki enerji bariyeri düşük olur, bu yüzden termal gürültü osilatörü kolayca iki taraftan birine itebilir. Osilatörü kısa süreliğine nötr bir faza hazırlayıp sonra bu kuvvetlerin rekabete bırakılmasıyla, son durum iki sonuç arasında rastgele ama kontrol edilebilir bir seçim haline gelir; olasılıklar girdinin gücüyle yönetilir.

Birçok Osilatörden Olasılıksal Bir Ağ Kurmak

Sonraki bölüm, böyle bir osilatör ağıyla bir olasılıksal sinir ağı—bir p-bit motorunun donanımsal gerçekleşimi—yaratılabileceğini gösteriyor. Geleneksel bir osilatör Ising makinesinde osilatörler arasındaki bağlanma, onların optimizasyon probleminin iyi çözümlerine karşılık gelen faz desenlerine yerleşmesini teşvik eder. Burada yazarlar bir örnekleme rutini tanıtıyor: çoğu osilatör mevcut durumlarında sıkıca tutulur, o sırada bir osilatör geçici olarak serbest bırakılır, nötr bir faza sıfırlanır ve komşularının etkisi ve gürültü altında iki kararlı fazından birine rastgele düşmesine izin verilir. Bu işlemi osilatör osilatör tekrarlamak, yerleşik p-bit modellerinde kullanılan aynı matematiksel kuralı yeniden üretir; yani donanım, problemin enerji peyzajı üzerinde efektif olarak Gibbs örneklemesi gerçekleştirir.

Fikri Test Etmek

Yaklaşımı test etmek için araştırmacılar iki tür görevi simüle ediyor. İlk olarak, osilatör tabanlı stokastik nöronlarını kullanarak üç giriş bitini toplam ve taş biti olarak birleştiren küçük bir mantık devresi olan tam toplayıcıyı uyguluyorlar. Tüm terminaller serbest bırakılmış modda çalıştırıldığında, sistem doğal olarak farklı giriş–çıkış kombinasyonlarını beklenen Boltzmann dağılımıyla yakından eşleşen sıklıklarla ziyaret ediyor; bu da doğru olasılıksal davranışı doğruluyor. İkinci olarak, rastgele grafikteki MaxCut problemini ele alıyorlar; amaç düğümleri iki gruba bölmek ve mümkün olduğunca çok bağlantının gruplar arasında kesişmesini sağlamaktır. Örnekleme rutini kullanılarak osilatör ağı yalnızca optimal kesitleri bulmakla kalmıyor, aynı zamanda temel istatistiksel fiziği yansıtıyor ve ziyaret edilen durumların dağılımı olasılık ile enerji arasındaki beklenen üstel ilişkiyi takip ediyor.

Tek Bir Makine Türünün Ötesinde

Yazarlar aynı örnekleme tarifinin fazlar arasındaki biraz farklı bir etkileşim kuralı kullanan dinamik bir Ising makinesi gibi diğer analog Ising-benzeri sistemlere de uygulanabileceğini gösteriyor. Stokastik güncellemeleri yöneten temel matematik aynı olduğundan, bu farklı fiziksel platformların tamamı p-bit motorları gibi davranacak şekilde ayarlanabilir. Bu genellik, yalnızca burada incelenen belirli osilatör tasarımı değil, doğal bifürkasyonları ve gürültü kaynaklı geçişleri kullanılarak birçok analog dinamik sistemin olasılıksal hesaplama için yeniden amaçlandırılabileceğini işaret ediyor.

Geleceğin Hesaplaması İçin Neden Önemli

Uzman olmayan bir okuyucu için temel çıkarım, yazarların deterministik, enerji-minimizasyon yapan bir makineyi kontrollü bir rastgele kaşif olarak nasıl çalıştırılabileceğini göstermesi. Osilatörlerin nasıl dürtüldüğünü ve gürültünün nasıl etkili olmasına izin verildiğini dikkatle şekillendirerek, bir zamanlar yalnızca “aşağı doğru” bir çözüme kayan aynı donanım artık istatistiksel olarak anlamlı bir şekilde peyzajda gezinebilir. Bu ikili yetenek, zor optimizasyon problemlerini çözmek ve yeni, donanım-dostu olasılıksal akıl yürütme ve öğrenme biçimlerini desteklemek için değerli olabilir; bu da uzman görevler için bugünün dijital işlemcilerine enerji verimli alternatifler sunma potansiyeli taşır.

Atıf: 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

Anahtar kelimeler: osilatör Ising makineleri, p-bit hesaplama, olasılıksal donanım, Boltzmann örneklemesi, kombinatoryal optimizasyon