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

आधुनिक कंप्यूटिंग की सबसे कठिन पहेलियों को हल करने की खोज में, वैज्ञानिक उन सिलिकॉन चिप्स से दूर जा रहे हैं जो हमारे फोन और लैपटॉप को शक्ति प्रदान करते हैं। ये पारंपरिक मशीनें, हालांकि कई कार्यों में अविश्वसनीय रूप से तेज़ हैं, लेकिन 'कॉम्बिनेटोरियल ऑप्टिमाइज़ेशन' (combinatorial optimization) नामक समस्याओं के एक विशिष्ट वर्ग के साथ संघर्ष करती हैं। कल्पना कीजिए कि एक हज़ार गतिशील पुर्जों के लिए सबसे उपयुक्त व्यवस्था खोजने का प्रयास करना, जहाँ हर बदलाव दूसरे हिस्से को प्रभावित करता है; संभावित संयोजनों की संख्या इतनी विशाल है कि एक मानक कंप्यूटर उन्हें जांचने में ब्रह्मांड की आयु से भी अधिक समय ले लेगा। इससे निपटने के लिए, शोधकर्ताओं ने 'आइसिंग मशीन' (Ising machine) नामक एक नए प्रकार की मशीन विकसित की है। हर संभावना को एक-एक करके जांचने के बजाय, ये उपकरण भौतिकी के नियमों का उपयोग करके स्वाभाविक रूप से सर्वोत्तम समाधान तक पहुँचते हैं। वे छोटे चुंबकीय कणों, या 'स्पिन्स' (spins) के व्यवहार की नकल करते हैं, जो अपनी कुल ऊर्जा को कम करने के तरीके से खुद को संरेखित करना चाहते हैं। इन चुंबकीय स्पिन्स की तरह व्यवहार करने वाले ऑसिलेटर्स, लेजर या इलेक्ट्रॉनिक सर्किट के नेटवर्क बनाकर, ये मशीनें सही उत्तर के अनुरूप निम्नतम बिंदु तक पहुँचने के लिए एक जटिल ऊर्जा परिदृश्य (energy landscape) से नीचे फिसल सकती हैं।

हालाँकि, एक छिपी हुई खामी इन भौतिक त्वरकों (physical accelerators) के प्रदर्शन को सीमित कर रही है। जबकि मूल भौतिकी निरंतर और सुचारू है, इन मशीनों के हिस्सों को जोड़ने का तरीका अक्सर डिजिटल गणनाओं पर निर्भर करता है। जब एक मशीन दो स्पिन्स के बीच संबंध की ताकत की गणना करती है, तो उसे उस सटीक, निरंतर मान को सीमित चरणों वाली एक डिजिटल संख्या में बदलना पड़ता है, ठीक वैसे ही जैसे एक सटीक माप को निकटतम पूर्णांक तक राउंड (round) करना। यह राउंडिंग प्रक्रिया, जिसे 'डिस्क्रीटाइजेशन' (discretization) कहा जाता है, एक सूक्ष्म लेकिन हानिकारक त्रुटि उत्पन्न करती है। यह उस ऊर्जा परिदृश्य को विकृत कर देती है जिसे मशीन नेविगेट करने की कोशिश कर रही है, जिससे गलत उत्तरों में फंसने वाले झूठे गड्ढे और उभार बन जाते हैं। वर्षों से, शोधकर्ता जानते थे कि ये मशीनें अधिक सटीक डिजिटल घटकों के साथ बेहतर काम करती हैं, लेकिन उनके पास इस बात की स्पष्ट समझ नहीं थी कि यह विरूपण वास्तव में कैसे काम करता है या अत्यधिक महंगे हार्डवेयर बनाए बिना इसे कैसे ठीक किया जाए।

कैम्ब्रिज विश्वविद्यालय के शोधकर्ताओं की एक टीम ने अब इस विरूपण का मानचित्र तैयार किया है और इसे बेअसर करने का एक आश्चर्यजनक रूप से सरल तरीका खोज निकाला है। वास्तविक दुनिया के हार्डवेयर के गणितीय 'ट्रांसफर फंक्शन' का विश्लेषण करके, उन्होंने पहचान की कि डिजिटल फीडबैक से होने वाली त्रुटि के दो मुख्य भाग हैं: एक स्थिर बदलाव (constant shift) जो सिस्टम को पथ से भटका देता है, और उच्च-आवृत्ति वाली लहरों (high-frequency ripples) की एक श्रृंखला जो मशीन की गति को भ्रमित करती है। शोधकर्ताओं ने पाया कि वे एक छोटा, निश्चित 'बायस' (bias) जोड़कर इस स्थिर बदलाव को आसानी से रद्द कर सकते हैं, जो प्रभावी रूप से डिजिटल पैमाने को पुन: केंद्रित करता है। इन लहरों से निपटने के लिए, उन्होंने मशीन में एक विशिष्ट प्रकार का शोर (noise) इंजेक्ट करने का प्रस्ताव दिया। सामान्य हस्तक्षेप से जुड़े यादृच्छिक, स्टैटिक-जैसे शोर के बजाय, उन्होंने "कलर्ड नॉइज़" (colored noise) का उपयोग किया, जिसका विभिन्न आवृत्तियों पर ऊर्जा वितरण का एक विशिष्ट पैटर्न होता है। उन्होंने पाया कि 'वॉयलेट नॉइज़' (violet noise) नामक एक विशेष प्रकार का उच्च-आवृत्ति वाला शोर, एक फिल्टर की तरह काम करता है जो लहरों को सुचारू बनाता है, जिससे मशीन डिजिटल त्रुटियों को अनदेखा कर सकती है और समाधान के वास्तविक पथ का अनुसरण कर सकती है।

अपने सिद्धांत का परीक्षण करने के लिए, टीम ने इन मशीनों द्वारा तेजी से कठिन होती समस्याओं को हल करने के व्यापक कंप्यूटर सिमुलेशन चलाए। उन्होंने एक मानक बेंचमार्क के साथ शुरुआत की जिसे 'मोबियस लैडर' (Möbius ladder) के रूप में जाना जाता है, जो एक विशिष्ट प्रकार का नेटवर्क स्ट्रक्चर है जिसे सत्यापित करना आसान है लेकिन कनेक्शन विकृत होने पर हल करना कठिन है। अपने सिमुलेशन में, अनकॉर्डक्टेड (uncorrected) मशीनें, जो डिजिटल राउंडिंग त्रुटियों से पीड़ित थीं, बार-बार स्थानीय जाल (local traps) में फंस गईं, जिससे उन्हें ऐसे समाधान मिले जो अच्छे तो थे लेकिन सर्वश्रेष्ठ नहीं थे। जब शोधकर्ताओं ने अपनी सुधार विधि लागू की—निश्चित बायस और वॉयलेट नॉइज़ जोड़ना—तो मशीनों की सफलता दर आसमान छू गई। पचास स्पिन्स वाले सिस्टम के लिए, पूर्ण समाधान खोजने की संभावना तीस-पांच प्रतिशत से बढ़कर निन्यानवे प्रतिशत से अधिक हो गई। यह सुधार केवल कुछ सेटिंग्स को बदलने का मामला नहीं था; यह एक मौलिक परिवर्तन था कि मशीन अपने ऊर्जा परिदृश्य के माध्यम से कैसे चलती है, जिससे वह डिजिटल हार्डवेयर द्वारा बनाए गए कृत्रिम अवरोधों को पार कर पाती है।

शोधकर्ताओं ने यह देखने के लिए परीक्षण को और आगे बढ़ाया कि क्या उनका तरीका अधिक जटिल स्थितियों में भी कायम रहता है। उन्होंने उन समस्याओं की जांच की जहाँ कठिनाई को ट्यून किया जा सकता था, जिससे ऐसी स्थितियाँ पैदा हुईं जहाँ मशीन को सही उत्तर खोजने के लिए सुरक्षा के झूठे अहसास से बाहर निकलना पड़ा। इन "कठिन" क्षेत्रों में, अनकॉर्डक्टेड मशीनें काफी संघर्ष करती थीं, और अक्सर कोई भी अच्छा समाधान खोजने में विफल रहती थीं। हालाँकि, सुधारी गई मशीनें उच्च सफलता दर बनाए रखती थीं, जो सबसे चुनौतीपूर्ण अंतरालों में उनके प्रदर्शन को प्रभावी ढंग से दोगुना कर देती थी। टीम ने इन विचारों का परीक्षण टू-डायमेंशनल टाइलिंग समस्याओं (two-dimensional tiling problems) पर भी किया, जो अनुकूलन मशीनों के लिए अत्यंत कठिन मानी जाती हैं। इन परीक्षणों में, अनकॉर्डक्टेड मशीनों की सफलता दर समस्याओं के कठिन होने पर दो से तीन क्रमों (orders of magnitude) से गिर गई, जो लगभग शून्य तक पहुँच गई। इसके विपरीत, सुधारी गई मशीनों ने एक सफलता दर बनाए रखी जो लगभग एक सौ से एक हजार गुना अधिक थी, जिससे सिद्ध हुआ कि यह शमन रणनीति (mitigation strategy) तब सबसे अच्छा काम करती है जब समस्या सबसे कठिन होती है।

इस कार्य के सबसे व्यावहारिक निहितार्थों में से एक यह है कि यह स्वयं हार्डवेयर की आवश्यकताओं को बदल देता है। क्योंकि सुधार विधि प्रभावी रूप से विरूपण को हटा देती है, इसलिए शीर्ष प्रदर्शन प्राप्त करने के लिए मशीनों को सबसे महंगे, उच्च-परिशुद्धता वाले डिजिटल घटकों के साथ बनाए जाने की आवश्यकता नहीं है। सिमुलेशन ने दिखाया कि एक सुधारी गई मशीन अपने चरम प्रदर्शन के लिए केवल दो बिट्स की सटीकता वाले डिजिटल घटक के साथ भी पहुँच सकती है, जबकि एक अनकॉर्डक्टेड मशीन को समान परिणाम प्राप्त करने के लिए तीन या चार बिट्स की आवश्यकता थी। यह सुझाव देता है कि इंजीनियर इन शक्तिशाली अनुकूलन मशीनों को सरल, सस्ते और अधिक ऊर्जा-कुशल हार्डवेयर का उपयोग करके बना सकते हैं, बशर्ते वे सरल बायस और नॉइज़ इंजेक्शन प्रोटोकॉल को शामिल करें। शोधकर्ताओं ने यह भी पाया कि सुधारी गई मशीनें शोर की सटीक ट्यूनिंग के प्रति कम संवेदनशील थीं, जिससे वे वास्तविक दुनिया के परिवेश में अधिक मजबूत और संचालित करने में आसान बन गईं।

यह अध्ययन पुष्टि करता है कि डिजिटल फीडबैक से होने वाला विरूपण इस प्रकार की कंप्यूटिंग के लिए एक सार्वभौमिक मुद्दा है, जो किसी भी ऐसी मशीन को प्रभावित करता है जो एक भौतिक नेटवर्क को नियंत्रित करने के लिए डिजिटल कैलकुलेटर का उपयोग करती है। इस विरूपण का एक स्पष्ट सूत्र निकालकर और इसे दबाने का प्रदर्शन करके, शोधकर्ताओं ने पूरे क्षेत्र के लिए एक सामान्य डिज़ाइन टूल प्रदान किया है। उनका कार्य बताता है कि अधिक शक्तिशाली अनुकूलन मशीनों के निर्माण का मार्ग आवश्यक रूप से अधिक जटिल भौतिकी या अधिक महंगे घटकों की मांग नहीं करता है, बल्कि डिजिटल नियंत्रण की अपरिहार्य खामियों को संभालने का एक स्मार्ट तरीका है। निष्कर्ष बताते हैं कि सही संयोजन में एक छोटा निश्चित समायोजन और एक विशिष्ट प्रकार का शोर होने पर, ये भौतिक कंप्यूटर अपने डिजिटल मस्तिष्क की सीमाओं को पार कर सकते हैं और उन समस्याओं को हल कर सकते हैं जो पहले उनकी पहुँच से बाहर थीं।