Dynamic distortion from discretized coupling feedback in soft-spin Ising machines

في سعيها لحل أكثر الألغاز استعصاءً في الحوسبة الحديثة، تبتعد العلماء عن رقائق السيليكون التي تشغل هواتفنا وأجهزة الكمبيوتر المحمول الخاصة بنا. هذه الآلات التقليدية، رغم سرعتها الفائقة في العديد من المهام، تعاني مع فئة محددة من المشكلات تُعرف باسم "التحسين التوليفي" (combinatorial optimization). تخيل محاولة إيجاد أفضل ترتيب واحد لألف جزء متحرك، حيث يؤثر كل تغيير على كل جزء آخر؛ إن عدد التشكيلات الممكنة هائل لدرجة أن حاسوبًا قياسيًا سيستغرق وقتًا أطول من عمر الكون لفحصها جميعًا. ولمواجهة ذلك، طور الباحثون نوعًا جديدًا من الآلات يسمى "آلة آيزينج" (Ising machine). فبدلاً من فحص كل احتمال واحد تلو الآخر، تستخدم هذه الأجهزة قوانين الفيزياء لتستقر بشكل طبيعي في الحل الأمثل. إنها تحاكي سلوك الجسيمات المغناطيسية الصغيرة، أو "السبينات" (spins)، التي ترغب في محاذاة نفسها بطريقة تقلل من طاقتها الإجمالية إلى أدنى حد. ومن خلال بناء شبكات من المذبذبات أو الليزرات أو الدوائر الإلكترونية التي تتصرف مثل هذه السبينات المغناطيسية، يمكن لهذه الآلات الانزلاق عبر مشهد طاقة معقد للوصول إلى أدنى نقطة، والتي تمثل الإجابة الصحيحة.

ومع ذلك، ثمة عيب خفي حدّ من أداء هذه المسرعات الفيزيائية. فبينما تكون الفيزياء الأساسية مستمرة وسلسة، فإن الطريقة التي تربط بها هذه الآلات أجزاءها تعتمد غالبًا على حسابات رقمية. فعندما تحسب الآلة قوة الاتصال بين اثنين من "السبينات"، يجب عليها تحويل تلك القيمة المستمرة والدقيقة إلى رقم رقمي بعدد محدود من الخطوات، تمامًا مثل تقريب قياس دقيق إلى أقرب عدد صحيح. وتؤدي عملية التقريب هذه، المعروفة باسم "التجزئة" (discretization)، إلى خطأ طفيف ولكنه ضار. فهي تشوه مشهد الطاقة الذي تحاول الآلة التنقل فيه، مما يخلق وديانًا ونتوءات زائفة تحبس النظام في إجابات خاطئة. لسنوات، عرف الباحثون أن هذه الآلات تعمل بشكل أفضل مع مكونات رقمية أكثر دقة، لكنهم افتقروا إلى فهم واضح لكيفية عمل هذا التشوه بالضبط أو كيفية إصلاحه دون بناء أجهزة باهظة الثمن بشكل مفرط.

لقد نجح فريق من الباحثين في جامعة كامبريدج الآن في رسم خريطة لهذا التشوه واكتشفوا طريقة بسيطة بشكل مدهش لتحييده. فمن خلال تحليل دوال النقل الرياضية للأجهزة الواقعية، حددوا أن الخطأ الناتج عن التغذية الراجعة الرقمية الناتجة عن التقريب يتكون من جزأين رئيسيين: إزاحة ثابتة تدفع النظام بعيدًا عن مساره، وسلسلة من التموجات المتعرجة عالية التردد التي تربك حركة الآلة. ووجد الباحثون أنه يمكنهم إلغاء الإزاحة الثابتة ببساطة عن طريق إضافة انحياز (bias) صغير وثابت للنظام، مما يعيد مركز المقياس الرقمي بفعالية. وللتعامل مع التموجات المتعرجة، اقترحوا حقن نوع معين من الضجيج في الآلة. وبدلاً من الضجيج العشوائي المرتبط عادةً بالتداخل، استخدموا "ضجيجًا ملونًا" (colored noise)، والذي يمتلك نمطًا محددًا لتوزيع الطاقة عبر ترددات مختلفة. واكتشفوا أن نوعًا معينًا من الضجيج عالي التردد، يُعرف باسم "الضجيج البنفسجي" (violet noise)، يعمل كمرشح ينعم التموجات المتعرجة، مما يسمح للآلة بتجاهل الأخطاء الرقمية واتباع المسار الحقيقي نحو الحل.

لاختبار نظريتهم، أجرى الفريق عمليات محاكاة حاسوبية مكثفة لهذه الآلات وهي تحل مشكلات تزداد صعوبة. بدأوا بمعيار قياسي معروف باسم "سلم موبيوس" (Möbius ladder)، وهو نوع محدد من هياكل الشبكات الذي يسهل التحقق منه ولكنه يصعب حله عندما تكون الاتصالات مشوهة. وفي عمليات المحاكاة، كانت الآلات غير المصححة، التي عانت من أخطاء التقريب الرقمي، تتعثر كثيرًا في فخاخ محلية، فتجد حلولاً جيدة ولكنها ليست الأفضل الممكنة. وعندما طبق الباحثون طريقة التصحيح الخاصة بهم — بإضافة الانحياز الثابت والضجيج البنفسجي — قفز معدل نجاح الآلات بشكل هائل. بالنسبة لنظام يحتوي على خمسين "سبين"، ارتفع احتمال العثور على الحل المثالي من خمسة وثلاثين بالمائة إلى أكثر من تسعة وتسعين بالمائة. لم يكن هذا التحسن مجرد مسألة تعديل بعض الإعدادات؛ بل كان تغييرًا جوهريًا في كيفية تحرك الآلة عبر مشهد الطاقة الخاص بها، مما سمح لها بتجاوز الحواجز الاصطناعية التي خلقتها الأجهزة الرقمية.

ثم دفع الباحثون الاختبار إلى أبعد من ذلك لمعرفة ما إذا كانت طريقتهم ستصمد تحت ظروف أكثر تعقيدًا. فقد فحصوا مشكلات يمكن ضبط صعوبتها، مما خلق سيناريوهات يتعين على الآلة فيها الهروب من شعور زائف بالأمان لإيجاد الإجابة الحقيقية. في هذه المناطق "الصعبة" من مساحة المشكلة، عانت الآلات غير المصححة بشكل كبير، وغالبًا ما فشلت في العثور على أي حل جيد. ومع ذلك، حافظت الآلات المصححة على معدل نجاح مرتفع، مما ضاعف أداءها فعليًا في الفترات الأكثر تحديًا. كما اختبر الفريق هذه الأفكار على مشكلات "التبليط ثنائي الأبعاد" (two-dimensional tiling problems)، وهي مشكلات صعبة للغاية بالنسبة لآلات التحسين. وفي هذه الاختبارات، شهدت الآلات غير المصححة انهيارًا في معدلات نجاحها بمقدار مرتين إلى ثلاث مراتب عشرية مع زيادة صعوبة المشكلات، لتصل إلى ما يقرب من الصفر. وفي المقابل، حافظت الآلات المصححة على معدل نجاح أعلى بنحو مائة إلى ألف مرة، مما أثبت أن استراتيجية التخفيف تعمل بشكل أفضل عندما تكون المشكلة في أقصى درجات صعوبتها.

إن أحد التطبيقات العملية الأكثر أهمية لهذا العمل هو أنه يغير المتطلبات الخاصة بالعتاد نفسه. فبما أن طريقة التصحيح تزيل التشوه بفعالية، فإن الآلات لا تحتاج إلى أن تُبنى باستخدام المكونات الرقمية الأكثر دقة وباهظة الثمن لتحقيق الأداء العالي. أظهرت عمليات المحاكاة أن الآلة المصححة يمكنها الوصول إلى ذروة أدائها باستخدام مكون رقمي يمتلك دقة بتين فقط، بينما احتاجت الآلة غير المصححة إلى ثلاث أو أربع بتات لتحقيق نفس النتيجة. وهذا يشير إلى أن المهندسين يمكنهم بناء هذه الآلات القوية للتحسين باستخدام أجهزة أبسط وأرخص وأكثر كفاءة في استهلاك الطاقة، بشرط تضمين بروتوكولات حقن الضجيج والانحياز البسيطة. كما وجد الباحثون أن الآلات المصححة كانت أقل حساسية لضبط الضجيج بدقة، مما يجعلها أكثر متانة وأسهل في التشغيل في البيئات الواقعية.

تؤكد الدراسة أن التشوه الناتج عن التغذية الراجعة الرقمية هو قضية عالمية لهذا النوع من الحوسبة، وهي تؤثر على أي آلة تستخدم حاسبًا رقميًا للتحكم في شبكة فيزيائية. ومن خلال اشتقاق صيغة واضحة لهذا التشوه وإثبات كيفية كبحه، قدم الباحثون أداة تصميم عامة للمجال بأكمله. ويشير عملهم إلى أن الطريق لبناء آلات تحسين أكثر قوة لا يتطلب بالضرورة فيزياء أكثر تعقيدًا أو مكونات أغلى ثمنًا، بل يتطلب طريقة أذكى للتعامل مع العيوب الحتمية للتحكم الرقمي. وتشير النتائج إلى أنه مع الجمع الصحيح بين تعديل ثابت صغير ونوع محدد من الضجيج، يمكن لهذه الحواسيب الفيزيائية التغلب على قيود عقولها الرقمية وحل مشكلات كانت في السابق بعيدة المنال.