El auge de la inteligencia artificial (IA) y el aprendizaje automático (ML) ha creado una crisis en la informática y una necesidad significativa de más hardware que sea escalable y de bajo consumo. Un paso clave tanto en AI como en ML es tomar decisiones basadas en datos incompletos, cuyo mejor enfoque es generar una probabilidad para cada respuesta posible. Las computadoras clásicas actuales no pueden hacer eso de una manera eficiente en energía, una limitación que ha llevado a la búsqueda de enfoques novedosos para la computación. Las computadoras cuánticas, que funcionan con qubits, pueden ayudar a enfrentar estos desafíos, pero son extremadamente sensibles a su entorno, deben mantenerse a temperaturas extremadamente bajas y aún se encuentran en las primeras etapas de desarrollo.
Kerem Camsari, profesor asistente de ingeniería eléctrica e informática (ECE) en UC Santa Barbara, cree que las computadoras probabilísticas (computadoras p) son la solución. Las computadoras P funcionan con bits probabilísticos (bits p), que interactúan con otros bits p en el mismo sistema. A diferencia de los bits de las computadoras clásicas, que están en estado 0 o 1, o los qubits, que pueden estar en más de un estado a la vez, los bits p fluctúan entre posiciones y funcionan a temperatura ambiente. en un artículo publicado en Naturaleza ElectrónicaCamsari y sus colaboradores discuten su proyecto que demostró la promesa de las computadoras p.
«Demostramos que las computadoras intrínsecamente probabilísticas, construidas a partir de p-bits, pueden superar el software de última generación que ha estado en desarrollo durante décadas», dijo Camsari, quien recibió anteriormente un Premio al Investigador Joven de la Oficina de Investigación Naval. este año.
El grupo de Camsari colaboró con científicos de la Universidad de Messina en Italia, con Luke Theogarajan, vicepresidente del Departamento ECE de UCSB, y con el profesor de física John Martinis, quien dirigió el equipo que construyó la primera computadora cuántica del mundo para lograr la supremacía cuántica. Juntos, los investigadores lograron resultados prometedores mediante el uso de hardware clásico para crear arquitecturas específicas de dominio. Desarrollaron una máquina Sparse Ising (SIM) única, un novedoso dispositivo informático utilizado para resolver problemas de optimización y minimizar el consumo de energía.
Camsari describe el SIM como una colección de bits probabilísticos que pueden considerarse como personas. Y cada persona tiene solo un pequeño grupo de amigos de confianza, que son las conexiones «escasas» en la máquina.
«La gente puede tomar decisiones rápidamente porque cada uno tiene un pequeño grupo de amigos de confianza y no tienen que escuchar a todos en una red completa», explicó. «El proceso mediante el cual estos agentes llegan a un consenso es similar al que se usa para resolver un problema de optimización difícil que satisface muchas restricciones diferentes. Las máquinas Sparse Ising nos permiten formular y resolver una amplia variedad de tales problemas de optimización usando el mismo hardware».
La arquitectura prototipada del equipo incluía una matriz de puertas programables en campo (FPGA), una poderosa pieza de hardware que brinda mucha más flexibilidad que los circuitos integrados específicos de la aplicación.
«Imagínese un chip de computadora que le permita programar las conexiones entre p-bits en una red sin tener que fabricar un nuevo chip», dijo Camsari.
Los investigadores demostraron que su arquitectura dispersa en FPGA era hasta seis órdenes de magnitud más rápida y había aumentado la velocidad de muestreo de cinco a dieciocho veces más rápido que los logrados por los algoritmos optimizados utilizados en las computadoras clásicas.
Además, informaron que su sim logra un paralelismo masivo donde los cambios por segundo, la cifra clave que mide qué tan rápido una computadora p puede tomar una decisión inteligente, se escala linealmente con la cantidad de p-bits. Camsari se refiere a la analogía de los amigos de confianza que intentan tomar una decisión.
«La cuestión clave es que el proceso de llegar a un consenso requiere una comunicación sólida entre las personas que hablan continuamente entre sí sobre la base de sus ideas más recientes», señaló. «Si todos toman decisiones sin escuchar, no se puede llegar a un consenso y el problema de optimización no se resuelve».
En otras palabras, cuanto más rápido se comunican los p-bits, más rápido se puede llegar a un consenso, por lo que es crucial aumentar los saltos por segundo, mientras se asegura que todos se escuchen entre sí.
«Esto es exactamente lo que logramos en nuestro diseño», explicó. «Al asegurarnos de que todos se escuchen y limitar la cantidad de ‘personas’ que podrían ser amigos entre sí, paralelizamos el proceso de toma de decisiones».
Su trabajo también mostró la capacidad de escalar computadoras p hasta cinco mil bits p, lo que Camsari considera extremadamente prometedor, al tiempo que señala que sus ideas son solo una pieza del rompecabezas de la computadora p.
«Para nosotros, estos resultados fueron la punta del iceberg», dijo. «Usamos la tecnología de transistores existente para emular nuestras arquitecturas probabilísticas, pero si se usan nanodispositivos con niveles mucho más altos de integración para construir computadoras p, las ventajas serían enormes. Esto es lo que me quita el sueño».
Una computadora p de 8 bits p que Camsari y sus colaboradores construyeron durante su tiempo como estudiante de posgrado e investigador postdoctoral en la Universidad de Purdue mostró inicialmente el potencial del dispositivo. Sus artículopublicado en 2019 en Naturaleza, describió una reducción de diez veces en la energía y una reducción de cien veces en la huella de área que requería en comparación con una computadora clásica. La financiación inicial, proporcionada en el otoño de 2020 por el Instituto de Eficiencia Energética de UCSB, permitió a Camsari y Theogarajan llevar la investigación de la computadora p un paso más allá, apoyando el trabajo presentado en Naturaleza Electrónica.
«Los hallazgos iniciales, combinados con nuestros resultados más recientes, significan que la construcción de computadoras p con millones de p-bits para resolver problemas de optimización o toma de decisiones probabilísticas con un rendimiento competitivo puede ser posible», dijo Camsari.
El equipo de investigación espera que las computadoras p algún día manejen un conjunto específico de problemas, naturalmente probabilísticos, mucho más rápido y más eficientemente.