رایانه‌های احتمالی چگونه از محیط آزمایشگاه به ماشین‌های برنامه‌پذیر تبدیل شدند؟

تصور کنید بتوانید نویز و تلاطمان‌های الکتریکی — که همیشه دشمن سخت‌افزار بوده‌اند — را به سوخت اصلی محاسبات تبدیل کنید. چالشی که تیم تحقیقاتی با آن روبروست، همگام‌سازی نوسانات هماهنگ در چندین تراشه است، بدون اینکه بخواهند با شکنندگی ذاتی سیستم‌های کوانتومی دست‌ و پنجه نرم کنند. تیمی به رهبانی کرم چامساری (Kerem Çamsarı)، دانشیار مهندسی برق و کامپیوتر در دانشگاه کالیفرنیا، سانتا باربارا، با مقیاس‌بندی یک رایانه احتمالی به یک میلیون «پی-بیت» (p-bit)، دقیقاً همین مانع اصلی را برطرف کرده و نویز را به یک دارایی محاسباتی تبدیل نموده است.

نقش رایانش احتمالی

رایانش احتمالی در موقعیتی میانی بین بیت‌های دودویی سنتی (که فقط ۰ یا ۱ هستند) و کیوبیت‌های کوانتومی قرار دارد. در حالی که یک بیت استاندارد قطعی (Deterministic) است و یک کیوبیت به دلیل ماهیت فیزیک کوانتوم می‌تواند همزمان در چندین حالت باشد، یک پی-بیت بر اساس یک احتمال قابل تنظیم، بین ۰ و ۱ جابه‌جا (Flip) می‌شود.

برای یک پردازنده معمولی (CPU)، این جابه‌جایی شبیه به نویزی است که برای عملیاتی شدن بیش از حد ناپایدار است. با این حال، وقتی تعداد زیادی از این بیت‌های نویزی به‌صورت هماهنگ و همبسته عمل کنند، می‌توانند مسائل پیچیده استوکاستیک (Stochastic) را حل کنند؛ مسائلی که به جای اعداد concrete و قطعی، بر اساس احتمالات عمل می‌کنند. یک نمونه بارز، حل مسائل بهینه‌سازی است، مانند یافتن کوتاه‌ترین مسیر برای تحویل مجموعه‌ای از بسته‌ها.

برخلاف ماشین‌های ایسینگ (Ising machines) یا دستگاه‌های بهینه‌سازی دودویی بدون قید مربعی (QUBO) که برای وظایف خاص سخت‌افزاری شده‌اند، این ماشین جدید یک ابزار برنامه‌پذیر و چندمنظوره است. مقیاس این دستاورد بسیار چشمگیر است: یک مطالعه در مجله Nature در سال ۲۰۱۹ تنها هشت پی-بیت تولید کرد و نسخه سال ۲۰۲۳ به ۷,۲۰۰ پی-بیت رسید. هر دو تکرار قبلی در محدوده یک تک‌تراشه محبوس شده بودند.

مهندسی ماشین یک میلیون بیتی

معماری فعلی که جزئیات آن در یک پیش‌چاپ (Preprint) در ۲۴ ژوئن در سرور ArXiv منتشر شد، از ۱۸ عدد آرایه گیت برنامه‌پذیر میدانی (FPGA) استفاده می‌کند. این تراشه‌های الکترونیکی را می‌توان پس از تولید توسط کاربران بازپیکربندی کرد. در این طراحی، هیچ بیت جابه‌شونده فیزیکی وجود ندارد؛ در عوض، ماهیت برنامه‌پذیر FPGAها اجازه می‌دهد تا پی-بیت‌ها به‌صورت نرم‌افزاری و بهینه پیاده‌سازی شوند. این ماشین شبکه‌ای قادر است بیش از یک تریلیون جابه‌جایی در ثانیه را اجرا کند.

مقیاس‌بندی این سیستم ساده نبود. شبکه‌سازی چندین تراشه دشوارتر از GPUها یا CPUهاست، زیرا ماشین بر اساس نوسانات همبسته عمل می‌کند. همگام‌سازی این نوسانات در طول سیم‌ها یک چالش فنی بزرگ است که پیش‌تر این سوال را ایجاد کرده بود که آیا رایانه‌های احتمالی هرگز می‌توانند به اندازه‌های بزرگتر برسند یا خیر.

پیشرفت‌های فنی کلیدی

برای غلبه بر این موانع، تیم چامساری از راهکارهای زیر استفاده کرد:

• ارتباط غیرهمزمان: سیستم از «همگام‌سازی قفل‌شده سراسری» (Global lockstep synchronization) اجتناب می‌کند. به گفته نویید انجم عادیت (Navid Anjum Aadit)، پژوهشگر پسادکترا در دانشگاه استنفورد، این ماشین بدون نیاز به اینکه همه تراشه‌ها در یک لحظه دقیق و یکسان حرکت کنند، با یکدیگر ارتباط برقرار می‌کند.
• کشف قانون طراحی: محققان یک قانون طراحی ساده و پیش‌بینی‌پذیر شناسایی کردند که مشخص می‌کند تراشه‌ها با چه سرعتی باید داده‌ها را تبادل کنند تا مانند یک ماشین واحد رفتار کنند. چامساری خاطرنشان می‌کند که پایین‌تر از این آستانه، یک سبک-سنگین (Trade-off) بین سرعت و دقت وجود دارد.
• تنوع سخت‌افزاری: این یافته‌ها برای هر سخت‌افزاری کاربرد دارد، از جمله اتصالات تونلی مغناطیسی (Magnetic Tunnel Junctions) که در مطالعه سال ۲۰۱۹ Nature استفاده شدند و نسبت به تراشه‌های استاندارد انرژی کمتری مصرف می‌کنند.
• یکپارچه‌سازی حافظه: عادیت تاکید می‌کند که سیستم‌هایی که CMOS را با فناوری‌های حافظه استوکاستیک متراکم، مانند MRAM، ترکیب می‌کنند، یکی از جذاب‌ترین مسیرهای پیش‌رو هستند. این رویکرد می‌تواند تنگناهای فیزیکی پهنای باند حافظه را که امروزه سرعت استنتاج در مدل‌های زبانی بزرگ را محدود می‌کند، به چالش بکشد.

چشم‌انداز تجاری و صنعتی

برای مدیران کسب‌وکار و مهندسان، این دستاورد نشان‌دهنده تغییری در نحوه مواجهه با بهینه‌سازی است. در حالی که رایانه‌های کوانتومی با مشکلاتی مانند ناپایداری و نیاز به سرمایش شدید در دماهای بسیار پایین دست‌وپنجه نرم می‌کنند، ماشین‌های احتمالی مسیری را برای حل مسائل ترکیبیاتی عظیم با استفاده از تکنیک‌های موجود در ساخت نیمه‌هادی‌ها ارائه می‌دهند. شما با آینده‌ای روبرو هستید که در آن «نویز» دیگر یک باگ برای سرکوب نیست، بلکه موتور اصلی محاسبه است.

این تغییر می‌تواند هزینه انرژی حل مسائل لجستیک و زمان‌بندی را که در حال حاضر مراکز داده‌های سنتی را فلج کرده است، به‌شدت کاهش دهد. با حرکت به سمت حافظه‌های استوکاستیک تخصصی، محققان قصد دارند بهره‌وری انرژی را حتی فراتر از پیاده‌سازی فعلی با FPGA افزایش دهند.

منتظر آزمایش‌های آتی باشید که این یک میلیون پی-بیت را از FPGAها به تراشه‌های حافظه مغناطیسی تخصصی منتقل می‌کنند؛ اتفاقی که می‌تواند موج جدیدی از سخت‌افزارهای بهینه‌سازی کم‌مصرف را آغاز کند.

گام بعدی شما

• دنبال کنید که چه زمانی این یک میلیون پی-بیت از FPGAها به تراشه‌های حافظه مغناطیسی تخصصی منتقل می‌شوند.
• اگر در حوزه لجستیک یا زنجیره تأمین هستید، روی الگوریتم‌های بهینه‌سازی استوکاستیک مطالعه کنید.
• بررسی کنید که آیا این سخت‌افزارها جایگزین QUBOهای فعلی در کاربردهای صنعتی می‌شوند یا خیر.

اما داستان سخت‌افزاری این تحول با ورود حافظه‌های MRAM حتی شگفت‌انگیزتر خواهد شد — در گزارش‌های بعدی ما درباره‌ی حافظه‌های نسل جدید همراه باشید.