Un Nuovo Approccio: Utilizzare il Rumore a Vantaggio dei Computer

Un nuovo paradigma informatico, chiamato computing termodinamico, è entrato in scena. Forse è solo il computing probabilistico con un nuovo nome. Entrambi utilizzano il rumore (come quello causato dalle fluttuazioni termiche) anziché combatterlo, per eseguire calcoli. Ma è comunque un nuovo approccio fisico.

“Se stai parlando di paradigmi informatici, no, è lo stesso paradigma informatico”, come il computing probabilistico, afferma Behtash Behin-Aein, CTO e fondatore della startup di computing probabilistico Ludwig Computing (chiamata così in onore di Ludwig Boltzmann, uno scienziato in gran parte responsabile del campo della termodinamica). “Ma è una nuova implementazione”, aggiunge.

In una recente pubblicazione su Nature Communications, la startup con sede a New York Normal Computing ha dettagliato il loro primo prototipo di quello che chiamano un computer termodinamico. Hanno dimostrato di poter utilizzarlo per sfruttare il rumore per invertire le matrici. Hanno anche dimostrato il campionamento gaussiano, che sta alla base di alcune applicazioni di intelligenza artificiale.

Come il Rumore Può Aiutare Alcuni Problemi Informatici

Convenzionalmente, il rumore è nemico dei calcoli. Tuttavia, alcune applicazioni si basano effettivamente su rumori generati artificialmente. E utilizzare rumori naturalmente presenti può essere molto più efficiente.

“Ci stiamo concentrando su algoritmi in grado di sfruttare rumore, stochasticità e non determinismo”, afferma Zachery Belateche, responsabile dell’ingegneria del silicio presso Normal Computing. “Quello spazio di algoritmi si rivela enorme, spaziando dalla computazione scientifica all’intelligenza artificiale all’algebra lineare. Ma un computer termodinamico non ti aiuterà a controllare la posta elettronica a breve termine.”

Per queste applicazioni, un computer termodinamico o probabilistico inizia con i suoi componenti in uno stato semi-casuale. Successivamente, il problema che l’utente sta cercando di risolvere viene programmato nelle interazioni tra i componenti. Nel tempo, queste interazioni permettono ai componenti di raggiungere l’equilibrio. Questo equilibrio rappresenta la soluzione al calcolo.

Questo approccio si adatta naturalmente a determinate applicazioni di calcolo scientifico che includono già casualità, come le simulazioni di Monte-Carlo. È inoltre adatto per l’algoritmo di generazione di immagini AI stabile diffusione e un tipo di intelligenza artificiale noto come AI probabilistica. Sorprendentemente, sembra essere adatto anche per alcuni calcoli di algebra lineare che non sono intrinsecamente probabilistici. Ciò rende l’approccio più ampiamente applicabile alla formazione di AI.

L’Approccio di Normal Computing

Il chip prototipo di Normal Computing, che hanno denominato unità di elaborazione stocastica (SPU), è composto da otto risonatori capacità-induttanza e generatori di rumore casuale. Ciascun risonatore è collegato a ciascun altro risonatore tramite un accoppiatore regolabile. I risonatori vengono inizializzati con rumore generato casualmente, e il problema in studio viene programmato negli accoppiamenti. Dopo che il sistema raggiunge l’equilibrio, le unità del risonatore vengono lette per ottenere la soluzione.

“In un chip convenzionale, tutto è molto controllato”, afferma Gavin Crooks, un ricercatore presso Normal Computing. “Togli un po’ di controllo, e la cosa inizierà naturalmente a comportarsi in modo più stocastico.”

Anche se si è trattato di una prova di concetto riuscita, il team di Normal Computing riconosce che questo prototipo non è scalabile. Tuttavia, hanno modificato il loro design, eliminando induttori difficili da scalare. Ora pianificano di creare il loro prossimo design in silico, anziché su una scheda a circuito stampato, e si aspettano che il loro prossimo chip esca entro la fine dell’anno.

Resta da vedere quanto possa essere scalata questa tecnologia. Il design è compatibile con CMOS, ma c’è molto da lavorare prima che possa essere utilizzato per risolvere problemi reali su larga scala. “È incredibile ciò che hanno fatto”, dice Bozchalui di Ludwig Computing. “Ma allo stesso tempo, c’è molto da fare per portarlo davvero da ciò che è oggi a un prodotto commerciale a qualcosa che può essere utilizzato su larga scala.”

Una Visione Diversa

Anche se il computing probabilistico e il computing termodinamico sono essenzialmente lo stesso paradigma, c’è una differenza culturale. Le aziende e i ricercatori che lavorano sul computing probabilistico fanno quasi esclusivamente risalire le loro radici accademiche al gruppo di Supryo Datta presso l’Università di Purdue. I tre cofondatori di Normal Computing, tuttavia, non hanno legami con Purdue e provengono da background nel computing quantistico.

Ciò porta i cofondatori di Normal Computing a avere una visione leggermente diversa. Immaginano un mondo in cui diversi tipi di fisica vengono utilizzati per la propria hardware di calcolo, e ogni problema che ha bisogno di essere risolto viene abbinato all’implementazione hardware più ottimale.

“Abbiamo coniato questo termine ASIC basati sulla fisica”, afferma Belateche di Normal Computing, riferendosi ai circuiti integrati specifici dell’applicazione. Nella loro visione, un futuro computer avrà accesso a CPU e GPU convenzionali, ma anche a un chip di computing quantistico, un chip di computing termodinamico e qualsiasi altro paradigma possa essere immaginato. E ogni calcolo verrà inviato a un ASIC che utilizza la fisica più appropriata per il problema in questione.