Highly Versatile FPGA-Implemented Cyber Coherent Ising Machine

Stellen Sie sich die Welt des Computing als eine riesige, geschäftige Stadt vor, in der jedes Gebäude eine winzige Entscheidung repräsentiert. Manchmal muss die Stadt ein riesiges Rätsel lösen: die perfekte Anordnung von Ampeln finden, um Staus zu verhindern, den Zeitplan eines Krankenhauses organisieren, damit niemand warten muss, oder sogar herauszufinden, wie man einen Koffer am besten packt. Dies sind „kombinatorische Optimierungsprobleme“, bei denen man die beste Kombination aus Entscheidungen aus einer schwindelerregenden Anzahl von Möglichkeiten wählen muss. Je mehr Entscheidungen man hat, desto schwieriger wird das Rätsel, oft wird es so komplex, dass selbst die schnellsten Supercomputer der Welt stecken bleiben und Jahre brauchen, um eine gute Antwort zu finden.

Um diese unmöglichen Rätsel anzugehen, bauen Wissenschaftler spezielle „Ising-Maschinen“. Betrachten Sie diese nicht als normale Computer, sondern als magische, physikbasierte Motoren. Anstatt nur Zahlen nacheinander zu verarbeiten, lassen sie tausende kleiner Schalter (genannt „Spins“) tanzen und miteinander interagieren, wie eine Menschenmenge, die versucht, den bequemsten Weg zu finden, um in einem Theater Platz zu nehmen. Indem sie beobachten, wie sich diese Spins zur Ruhe setzen, findet die Maschine die beste Lösung für das Rätsel. Kürzlich haben Forscher versucht, diese Maschinen mithilfe von Licht und Quantenphysik zu bauen, aber das ist, als würde man versuchen, ein Wolkenkratzer aus Glas zu bauen: Es ist zerbrechlich, teuer und schwer, alle Teile miteinander zu verbinden. Deshalb haben einige kluge Ingenieure eine „Cyber“-Version entwickelt – eine digitale Simulation dieser magischen Maschine, die auf einem speziellen Typ Computerchip namens FPGA läuft. Dies ermöglicht es ihnen, die Physik des Rätsels zu testen, ohne ein Labor voller Laser und Spiegel zu benötigen.

Das Papier, das Sie gleich lesen werden, beschreibt ein großes Upgrade für diese digitale „Cyber“-Maschine. Das Team, unter der Leitung von Forschern der Universität Tokio und anderen, hat eine hochgradig vielseitige Version gebaut, die viel komplexere Rätsel bewältigen kann als bisher. Frühere digitale Versuche waren wie ein Taschenrechner, der nur „Ja“ oder „Nein“ (binär) oder „Vielleicht“ (ternär) versteht. Diese neue Maschine hingegen spricht die volle Sprache der Zahlen und verwendet präzise Dezimalwerte (Gleitkommazahlen), um zu beschreiben, wie die Teile des Rätsels miteinander interagieren. Dies ist ein großer Fortschritt, da viele reale Probleme, wie etwa das Dekodieren von Signalen in einem überfüllten Funkraum oder die Rekonstruktion eines unscharfen MRT-Bildes, dieses Maß an Präzision erfordern. Wenn man diese Probleme in eine einfache „Ja/Nein“-Box presst, wird das Ergebnis unordentlich und falsch.

Die Forscher haben ihre neue Maschine bei zwei sehr schwierigen Aufgaben getestet: als superschneller Detektiv für einen überfüllten Funkkanal (CDMA Multi-User-Detektor) und als superintelligenter Bildrestaurator für medizinische Scans (Compressed Sensing). Sie fanden heraus, dass ihre neue „Cyber“-Maschine diese Probleme mehr als zehnmal schneller lösen kann als eine Standard-High-End-Grafikkarte (GPU), die in modernen Computern verwendet wird. Obwohl die Maschine etwas härter arbeiten musste, um die präzisen Dezimalzahlen zu handhaben, gewannen ihre Geschwindigkeit und Flexibilität. Es ist, als würde man von einem Fahrrad, das nur auf befestigten Straßen fahren kann, auf ein robustes Allradfahrzeug umsteigen, das genauso schnell ist, aber auch Schlamm, Sand und steile Hügel bewältigen kann, die das Fahrrad nicht erreichen konnte.

Die Geschichte der Cyber-Ising-Maschine

Das Problem: Die „Gläserne“ Stadt
Stellen Sie sich vor, Sie versuchen, eine riesige Party zu organisieren, bei der jeder neben seinen Freunden sitzen muss, aber seine Feinde vermeiden soll. Wenn Sie 10 Personen haben, ist das einfach. Wenn Sie 1.000 haben, ist es ein Albtraum. In der Welt der Physik wird dies durch ein sogenanntes „Ising-Modell“ beschrieben, bei dem winzige Magnete (Spins) dazu neigen, sich mit einigen Nachbarn auszurichten und anderen entgegenzuwirken. Den perfekten Sitzplan zu finden, ist dasselbe wie den Grundzustand (den Zustand mit der niedrigsten Energie) eines solchen Systems zu finden.

Lange Zeit versuchten Wissenschaftler, echte Maschinen unter Verwendung von Licht (Lasern) oder supraleitenden Schaltkreisen zu bauen, um diese Probleme zu lösen. Diese werden als „Coherent Ising Machines“ (CIMs) bezeichnet. Sie sind faszinierend, weil sie die Gesetze der Physik nutzen, um die Mathematik sofort zu lösen. Aber den Bau dieser Maschinen mit einem Wolkenkratzer aus Glas zu vergleichen, ist passend: Es ist schwierig, tausende Verbindungen zu verdrahten, ohne dass alles bricht. Aus diesem Grund begannen Forscher, „Cyber“-Versionen zu erstellen – Software-Simulationen, die die Physik der Lichtmaschinen nachahmen, aber auf regulären Computerchips laufen.

Der alte Weg: Das Einheitswerkzeug (das jedoch defekt ist)
Vor diesem Papier gab es bereits einige digitale Ising-Maschinen, die auf FPGAs (Field-Programmable Gate Arrays) liefen. Betrachten Sie ein FPGA als ein Lego-Board, das Sie so umprogrammieren können, dass es jede Art von Maschine wird. Diese älteren Versionen hatten jedoch ernsthafte Einschränkungen:

1. Sie waren zu einfach: Sie konnten nur „binäre“ (0 oder 1) oder „ternäre“ (0, 1 oder -1) Zahlen für die Verbindungen zwischen den Spins verwenden. Es ist, als würde man versuchen, ein Meisterwerk mit nur einem schwarzen Marker und einem weißen Radiergummi zu malen. Man kann die subtilen Graustufen, die für reale Probleme benötigt werden, nicht einfangen.
2. Sie konnten keine „Zeeman-Terme“ handhaben: In der Physik ist ein „Zeeman-Term“ wie ein externer Wind, der auf die Spins bläst und sie in eine bestimmte Richtung drängt. Viele reale Probleme (wie das Finden eines Signals in einem verrauschten Funkverkehr) benötigen diesen „Wind“, um zu funktionieren. Die alten Maschinen konnten diesen Wind nicht richtig handhaben.
3. Sie waren starr: Wenn man den Algorithmus (die Regeln des Spiels) ändern wollte, musste man oft die gesamte Maschine neu bauen.

Die neue Lösung: Das Schweizer Taschenmesser
Das Team in diesem Papier hat eine neue FPGA-Architektur gebaut, die all diese Probleme löst. Sie nennen es eine „Cyber Coherent Ising Machine“. Hier ist das, was sie besonders macht:

• Sie spricht „reale“ Zahlen: Anstatt nur 0 und 1 zu verwenden, nutzt diese Maschine „Single-Precision Floating-Point“ (FP32)-Zahlen. Dies ist wie der Wechsel von einem Schwarz-Weiß-Fernseher zu einem 4K-Farbfernseher. Sie kann die präzisen, komplexen Dezimalwerte handhaben, die für reale Ingenieursprobleme erforderlich sind.
• Sie handhabt den „Wind“: Sie kann nun Zeeman-Terme korrekt verwalten, was es ihr ermöglicht, Probleme wie den CDMA Multi-User-Detektor (wer spricht in einem überfüllten Raum) und die L0-Norm-Regularisierung basierte Compressed Sensing (Rekonstruktion eines klaren Bildes aus sehr wenigen unscharfen Teilen, wie bei einer MRT-Aufnahme) zu lösen.
• Sie ist ein Chamäleon: Die Maschine ist mit einem „Kontrollmodul“ ausgestattet, das wie eine Fernbedienung fungiert. Allein durch das Umschreiben des Codes auf dieser Fernbedienung kann die Maschine zwischen verschiedenen Modi wechseln:
  • Open-loop CIM: Die ursprüngliche, einfachere Version.
  • Closed-loop CIM: Eine neuere, komplexere Version, die „chaotische Amplitudensteuerung“ nutzt (eine elegante Art zu sagen, dass sie die Dinge aufschüttelt, um schlechte Lösungen zu vermeiden).
  • Jacobi SOR: Eine Methode zur Lösung von Gleichungssystemen.
  • Simulated Bifurcation (SB): Ein weiterer populärer Algorithmus, den sie ausführen könnte, wenn der Code geändert wird.

Das Rennen: Cyber-Maschine gegen die GPU
Um zu sehen, ob ihre neue Maschine tatsächlich gut war, stellte das Team sie einer Standard-High-End-Grafikkarte (einer NVIDIA Quadro RTX 8000) gegenüber, die die Art von Chip ist, die für Gaming und KI verwendet wird. Sie testeten sie bei zwei großen Herausforderungen:

1. Der Radio-Detektiv (CDMA): Sie versuchten herauszufinden, welcher von 4.096 Nutzern in einem verrauschten Kanal eine Nachricht sendete.

   • Ergebnis: Die FPGA-Maschine war 11- bis 30-mal schneller als die GPU.
   • Genauigkeit: Sie fand die Antworten genauso gut wie die GPU, und in einigen Fällen (unter Verwendung des „Closed-Loop“-Modus) war sie sogar besser darin, die perfekte Lösung zu finden, weil das chaotische Aufschütteln half, Sackgassen zu verlassen.

2. Der Bildrestaurator (L0RBCS): Sie versuchten, ein 64x64 Pixel starkes MRT-Bild aus nur 40 % der Daten zu rekonstruieren.

   • Ergebnis: Die FPGA-Maschine war 12- bis 37-mal schneller als die GPU.
   • Genauigkeit: Die von ihr erzeugten Bilder waren ebenso klar, und auch hier lieferte die „Closed-Loop“-Version etwas bessere Bilder, indem sie näher an die theoretisch perfekte Lösung herankam.

Der Kompromiss: Geschwindigkeit vs. Präzision
Man könnte sich fragen: „Wenn es so schnell ist, warum hat das nicht schon früher jeder gemacht?“ Das Papier erklärt, dass es einen Kompromiss gab. Die früheren FPGA-Maschinen (wie die Simulated Bifurcation-Modelle) waren unglaublich schnell, weil sie einfache binäre Zahlen verwendeten und über viermal mehr „Arbeiter“ (parallele Verarbeitungseinheiten) verfügten, die gleichzeitig arbeiteten. Die neue Maschine verwendet präzise Dezimalzahlen, was mehr Logikressourcen beansprucht, wesnthalb sie weniger „Arbeiter“ hat (nur 2.048 „MAC PEs“ im Vergleich zu 8.192 bei den alten binären Maschinen).

Da sie weniger Arbeiter hat, benötigt die neue Maschine etwa viermal so viele Taktzyklen, um einen Schritt der Berechnung abzuschließen, im Vergleich zu den alten binären Maschinen. Da sie jedoch Probleme lösen kann, die die binären Maschinen aufgrund der benötigten Präzision und der Zeeman-Terme überhaupt nicht lösen können, stellt sie einen massiven Fortschritt dar. Es ist wie der Vergleich zwischen einem langsameren Auto, das Gelände fahren kann, und einem schnellen Sportwagen, der nur auf der Autobahn fahren kann. Für die Probleme, die Geländefahrt erfordern, ist das langsamere Auto das einzige, das einen ans Ziel bringt.

Was das bedeutet
Das Papier kommt zu dem Schluss, dass diese neue Architektur ein „hochgradig vielseitiges“ Werkzeug ist. Es beweist, dass man nicht eine zerbrechliche, teure physische Laser-Maschine benötigt, um die Vorteile der Ising-Physik zu nutzen. Man kann eine digitale Version bauen, die:

• Vielseitig ist: Per Knopfdruck zwischen verschiedenen Algorithmen wechseln kann.
• Präzise ist: Reale Dezimalzahlen und externe Kräfte (Zeeman-Terme) handhaben kann.
• Schnell ist: Herkömmliche GPUs um den Faktor 10 oder mehr schlägt.

Die Autoren schlagen vor, dass sie, wenn sie einen Cluster dieser Maschinen bauen könnten (indem sie viele FPGAs miteinander verbinden), dies noch schneller machen könnten, um potenziell noch größere Rätsel zu lösen. Für den Moment haben sie gezeigt, dass eine digitale „Cyber“-Maschine die unordentliche, komplexe Mathematik der realen Welt viel besser handhaben kann als ihre einfacheren, binären Verwandten – und das bei blitzschneller Geschwindigkeit.