⚛️ quantum physics

Highly Versatile FPGA-Implemented Cyber Coherent Ising Machine

본 논문은 FP32 연속값과 유연한 시퀀스 제어를 활용하여 다양한 알고리즘(CIM, SB, Jacobi SOR 포함)을 지원하고, 단일 칩에서 N=4096 스핀을 달로 GPU보다 10배 이상 빠른 계산 속도를 달성함으로써 CDMA 다중 사용자 검출 및 L0 압축 센싱과 같이 이전에는 불가능했던 응용 분야를 가능하게 하는 고도로 다재다능한 FPGA 구현 사이버 코히런트 이징 머신을 제시한다.

원저자: Toru Aonishi, Tatsuya Nagasawa, Toshiyuki Koizumi, Mastiyage Don Sudeera Hasaranga Gunathilaka, Kazushi Mimura, Masato Okada, Satoshi Kako, Yoshihisa Yamamoto

게시일 2026-07-27

📖 6 분 읽기🧠 심층 분석

CC BY 4.0

원저자: Toru Aonishi, Tatsuya Nagasawa, Toshiyuki Koizumi, Mastiyage Don Sudeera Hasaranga Gunathilaka, Kazushi Mimura, Masato Okada, Satoshi Kako, Yoshihisa Yamamoto

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

컴퓨팅의 세계를 모든 건물이 하나의 작은 결정을 나타내는 거대하고 북적이는 도시라고 상상해 보십시오. 때때로 이 도시는 교통 체증을 막기 위한 완벽한 신호등 배치, 대기 시간을 없애는 병원 스케줄 정리, 혹은 가방을 가장 잘 싸는 방법 같은 거대한 퍼즐을 풀어야 합니다. 이것들이 바로 "조합 최적화(combinatorial optimization)" 문제입니다. 여기서 여러분은 어마어마한 수의 선택지 중에서 가장 좋은 조합을 골라내야 합니다. 선택지가 많아질수록 퍼즐은 더 어려워지며, 종종 너무 복ass하여 세계에서 가장 빠른 슈퍼컴퓨터조차도 괜찮은 답을 찾는 데 몇 년이 걸리며 멈춰 서기도 합니다.

이 불가능한 퍼즐들을 해결하기 위해, 과학자들은 특수한 "이싱 머신(Ising machines)"을 구축해 왔습니다. 이것들을 일반적인 컴퓨터가 아니라, 물리 기반의 마법 엔진이라고 생각하십시오. 숫자를 하나씩 계산하는 대신, 이들은 수천 개의 작은 스위치(이를 "스핀"이라 부릅니다)가 서로 춤추고 상호작용하게 만듭니다. 마치 극장에서 사람들이 가장 편안하게 앉을 수 있는 방법을 찾아가는 군중처럼 말이죠. 이 스핀들이 어떻게 안정되는지를 관찰함으로써, 머신은 퍼즐의 최적의 해답을 찾아냅니다. 최근 연구자들은 빛과 양자 물리학을 사용하여 이러한 머신을 만들려고 시도해 왔지만, 이는 마치 유리로 마천루를 짓는 것과 같습니다. 매우 취약하고, 비싸며, 모든 조각을 연결하기가 어렵습니다. 그래서 일부 똑똑한 엔지니어들은 이 마법 같은 기계를 디지털로 시뮬레이션한 "사이버(cyber)" 버전을 만들기로 했습니다. 이는 FPGA라는 특수한 유형의 컴퓨터 칩 위에서 실행되는 디지털 시뮬레이션입니다. 이를 통해 실험실 가득 레이저와 거울을 채우지 않고도 퍼즐의 물리학을 테스트할 수 있습니다.

여러분이 읽게 될 논문은 이 디지털 "사이버" 머신의 중대한 업그레이드를 설명합니다. 연구팀은 훨씬 더 복잡한 퍼즐을 다룰 수 있는 매우 다재다능한 버전을 구축했습니다. 이전의 디지털 시도들이 "예/아니오"(이진수)나 "글쎄요"(삼진수)만을 이해하는 계산기였다면, 이 새로운 머신은 숫자의 온전한 언어를 구사하며, 퍼즐 조각들이 어떻게 상호작용하는지를 설명하기 위해 정밀한 소수점 값(부동 소수점 숫자)을 사용합니다. 이것은 매우 중요한 일입니다. 왜냐하면 혼잡한 무선 통신실에서 신호를 해독하거나 흐릿한 MRI 영상을 재구성하는 것과 같은 많은 실제 문제들은 그 정도의 정밀도를 요구하기 때문입니다. 만약 이러한 문제들을 단순한 "예/아니오" 상자에 강제로 집어넣는다면, 결과는 엉망이 되거나 틀리게 됩니다.

연구진은 이 새로운 머신을 두 가지 매우 어려운 과제, 즉 붐비는 무선 채널을 위한 초고속 탐정 역할(CDMA 다중 사용자 검출기)과 의료 스캔을 위한 스마트한 이미지 복원 작업(압축 센싱)에 테스트했습니다. 그들은 자신들의 새로운 "사이버" 머신이 현대 컴퓨터에서 사용되는 고성능 그래픽 카드(GPU)보다 이 문제들을 10배 이상 빠르게 해결할 수 있다는 것을 발견했습니다. 이 머신이 정밀한 소수점 숫자를 처리하기 위해 조금 더 힘들게 일해야 했음에도 불구하고, 속도와 유연성에서 승리했습니다. 이는 포장된 도로만 달릴 수 있는 자전거에서, 진흙과 모래, 그리고 자전거가 갈 수 없었던 가파른 언덕도 다룰 수 있는 험로 주행용 전천후 차량으로 업그레이드한 것과 같습니다.

사이버 이싱 머신의 이야기

문제: "유리" 도시
당신이 거대한 파티를 조직하려고 한다고 상상해 보십시오. 모든 사람이 친구 옆에는 앉되 적과는 피해서 앉아야 합니다. 10명이라면 쉽겠지만, 1,000명이라면 악몽이 될 것입니다. 물리학의 세계에서는 이를 "이싱 모델(Ising model)"이라고 부르는데, 여기서 작은 자석(스핀)들은 어떤 이웃과는 정렬하고 어떤 이웃과는 반대로 움직이고 싶어 합니다. 완벽한 좌석 배치도를 찾는 것은 이 시스템의 "바닥 상태(ground state, 가장 낮은 에너지 상태)"를 찾는 것과 같습니다.

오랫동안 과학자들은 이 문제를 해결하기 위해 빛(레이저)이나 초전도 회로를 사용하는 실제 머신을 만들려고 노력해 왔습니다. 이것들을 "결맞이 이싱 머신(Coherent Ising Machines, CIM)"이라고 부릅니다. 이것들은 물리학 법칙을 사용하여 수학 문제를 즉각적으로 해결하기 때문에 멋집니다. 하지만 이것들을 만드는 것은 도시를 유리로 짓는 것만큼 어렵습니다. 수천 개의 연결을 모두 깨뜨리지 않고 연결하는 것이 매우 어렵기 때문입니다. 이 때문에 연구자들은 이 빛 머신의 물리학을 흉내 내면서도 일반 컴퓨터 칩에서 실행되는 소프트웨어 시뮬레이션인 "사이버" 버전을 만들기 시작했습니다.

기존 방식: 천편일률적이지만(하지만 망가진) 도구
이 논문 이전에 이미 FPGA(Field-Programmable Gate Arrays)에서 실행되는 디지털 이싱 머신들이 있었습니다. FPGA를 여러분이 어떤 종류의 머신으로도 재프로그래밍할 수 있는 레고 판이라고 생각하십시오. 하지만 기존 버전들에는 심각한 한계가 있었습니다:

너무 단순했습니다: 이들은 스핀 사이의 연결을 위해 "이진수"(0 또는 1)나 "삼진수"(0, 1, 또는 -1)만을 사용할 수 있었습니다. 이는 검은색 마커와 흰색 지우개만을 사용하여 걸작을 그리려는 것과 같습니다. 실제 문제에 필요한 미묘한 회색의 음영을 담아낼 수 없습니다.
"제만 항(Zeeman terms)"을 다룰 수 없었습니다: 물리학에서 제만 항은 스핀에 불어오는 외부의 바람과 같아서, 스핀을 특정 방향으로 밀어냅니다. 노이즈가 많은 무선 신호 속에서 신호를 찾는 것과 같은 많은 실제 문제들은 이 "바람"이 필요합니다. 기존 머신들은 이 바람을 제대로 다룰 수 없었습니다.
경직되어 있었습니다: 알고리즘(게임의 규칙)을 바꾸고 싶다면, 종종 머신 전체를 다시 만들어야 했습니다.

새로운 솔루션: 맥가이버 칼(Swiss Army Knife)
이 논문의 팀은 이 모든 문제를 해결하는 새로운 FPGA 아키텍처를 구축했습니다. 그들은 이를 "사이버 결맞이 이싱 머신(Cyber Coherent Ising Machine)"이라고 부릅니다. 이 머신이 특별한 이유는 다음과 같습니다:

"실제" 숫어를 구사합니다: 단순히 0과 1을 사용하는 대신, 이 머신은 "단정밀도 부동 소수점(FP32)" 숫자를 사용합니다. 이는 흑백 TV에서 4K 컬러 TV로 업그레이드하는 것과 같습니다. 실제 공학 문제에 필요한 정밀하고 복잡한 소수점 값을 처리할 수 있습니다.
"바람"을 다룹니다: 이제 제만 항을 적절히 관리할 수 있어, CDMA 다중 사용자 검출기(붐비는 방에서 누가 말하고 있는지 찾는 것)와 L0-norm 정규화 기반 압축 센싱(매우 적은 데이터로부터 선명한 이미지를 재구성하는 것, 예: MRI 스캔)과 같은 문제를 해결할 수 있습니다.
카멜레온 같습니다: 이 머신은 리모컨 역할을 하는 "제어 모듈"로 구축되었습니다. 코드를 다시 쓰는 것만으로 머신은 다음과 같은 다양한 모드로 전환할 수 있습니다:
- Open-loop CIM: 원래의 더 단순한 버전.
- Closed-loop CIM: "카오스 진폭 제어(chaotic amplitude control)"를 사용하는 더 복잡한 버전입니다. 이는 (세련된 표현으로) 나쁜 해답에서 벗어나기 위해 주변을 흔들어주는 것을 의미합니다.
- Jacobi SOR: 방정식 시스템을 푸는 방법.
- Simulated Bifurcation (SB): 코드를 변경하면 실행할 수 있는 또 다른 인기 있는 알고리즘입니다.

경주: 사이버 머신 vs. GPU
그들의 새로운 머신이 정말 좋은지 확인하기 위해, 팀은 현대 컴퓨터에서 게임이나 AI용으로 사용되는 칩인 고성능 그래픽 카드(NVIDIA Quadro RTX 8000)와 맞붙였습니다. 그들은 두 가지 큰 도전 과제로 테스트했습니다:

무선 탐정 (CDMA): 노이즈가 있는 채널에서 4,096명의 사용자 중 누가 메시지를 보내고 있는지 알아내려 했습니다.
- 결과: FPGA 머신은 GPU보다 11배에서 30배 더 빨랐습니다.
- 정확도: GPU만큼 잘 답을 찾아냈으며, 어떤 경우에는 "closed-loop" 모드를 사용하여 (카오스적인 흔들림이 막힌 길에서 탈출하도록 도와주었기 때문에) 완벽한 해답을 찾는 데 오히려 더 뛰어난 성능을 보였습니다.
이미지 복원가 (L0RBCS): 64x64 픽셀의 MRI 이미지를 데이터의 40%만 사용하여 재구성하려 했습니다.
- 결과: FPGA 머신은 GPU보다 12배에서 37배 더 빨랐습니다.
- 정확도: 생성된 이미지는 거의 동일하게 선명했으며, 역시 "closed-loop" 버전이 이론적인 완벽한 해답에 더 가까워짐으로써 더 나은 이미지를 만들어냈습니다.

트레이드오프: 속도 vs. 정밀도
"그렇게 빠르다면 왜 전에는 아무도 이렇게 하지 않았나요?"라고 궁금할 수 있습니다. 논문은 트레이드오프가 있었다고 설명합니다. 이전의 FPGA 머신들(Simulated Bifurcation 등)은 단순한 이진수를 사용하고 동시에 실행되는 "일꾼(병렬 처리 유닛)"이 4배 더 많았기 때문에 믿을 수 없을 정도로 빨랐습니다. 새로운 머신은 정밀한 소수점 숫자를 사용하므로 더 많은 논리 자원을 소모하며, 따라서 일꾼의 수가 더 적습니다(기존 이진 머신의 8,192개와 비교하여 2,048개의 "MAC PE"만 보유).

일꾼이 적기 때문에, 새 머신은 한 단계를 계산하는 데 기존 이진 머신보다 약 4배 더 많은 클록 사이클을 소모합니다. 하지만 이 머신은 이진 머신이 (정밀한 숫자와 제만 항이 필요하기 때문에) 아예 해결할 수 없는 문제들을 해결할 수 있으므로, 엄청난 도약을 이루어냈습니다. 이는 오프로드 주행이 가능한 느린 차와, 고속도로에서만 달릴 수 있는 빠른 스포츠카의 차이와 같습니다. 오프로드 주행이 필요한 문제들에게는 그 느린 차가 유일한 선택지입니다.

이것이 의미하는 바
논문은 이 새로운 아키텍처가 "매우 다재다능한" 도구라고 결론짓습니다. 이는 물리적인 레이저 머신 없이도 이싱 물리학의 이점을 얻을 수 있음을 증명합니다. 여러분은 다음과 같은 디지털 "사이버" 머신을 구축할 수 있습니다:

다재다능함: 다양한 알고리즘을 즉시 전환할 수 있습니다.
정밀함: 실제 세계의 소수점 숫자와 외부 힘(제만 항)을 다룹니다.
빠름: 표준 GPU를 10배 이상의 속도로 압도합니다.

저자들은 만약 이 머신들의 클러스터(여러 개의 FPGA를 연결하는 것)를 구축할 수 있다면, 훨씬 더 빠르게, 잠재적으로 훨씬 더 큰 퍼즐들을 해결할 수 있을 것이라고 제안합니다. 현재로서는, 디지털 "사이버" 머신이 자신의 단순한 이진수 친척들보다 실제 세계의 복잡하고 지저한 수학을 훨씬 더 잘 다룰 수 있으면서도 번개 같은 속도로 실행될 수 있음을 보여주었습니다.

기술 요약: 고도의 범용성을 갖춘 FPGA 구현 사이버 코히어트 이징 머신(Cyber Coherent Ising Machine)

문제 정의
자원 할당 및 포트폴리오 최적화와 같은 조합 최적화 문제는 일반적으로 NP-hard 문제로, 문제의 크기가 증가함에 따라 지수적인 시간을 요구합니다. 양자 이징 머신(QIM)과 코히어트 이징 머신(CIM)이 잠재적인 해결책을 제시하지만, 물리적 구현은 배선 제약과 물리적 한계로 인해 조밀한 결합(dense coupling)과 대규모 스핀 수( $N$ )를 달성하는 데 상당한 어려움을 겪고 있습니다. 결과적으로, 연구자들은 GPU 및 FPGA와 같은 병렬 하드웨어에서 실행할 수 있도록 양자 마스터 방정식으로부터 유도된 클래식 계산 가능 방정식(예: CIM을 위한 확률 미분 방정식 및 시뮬레이티드 비퍼케이션 모델)을 도출해 왔습니다.

그러나 기존의 대규모 FPGA 구현 알고리즘(특히 시뮬레이티드 비퍼케이션 및 CIM)은 다음과 같은 결정적인 한계를 가집니다:

이산적 상호작용: 메모리와 로직 자원을 절약하기 위해 결합 행렬( $J$ )에 이진 또는 삼진 값을 사용하는 경우가 많으며, 이는 연속적인 실수 값이 필요한 실제 신호 처리 응용 분야에는 불충분합니다.
제만 항(Zeeman terms)의 부재: 압축 센싱 및 CDMA 다중 사용자 탐지와 같이 중요한 제만 항(외부 필드)을 구성할 수 없는 경우가 많습니다.
알고리즘 경직성: 하드웨어 아키텍처가 특정 알고리즘에 고정되어 있어, 모델을 변경하려면 전체 재설계가 필요합니다.
제한된 범위: $L_0$ 노름 정규화 기반 압축 센싱( $L_0$ RBCS)과 같은 복잡한 문제를 위해 필요한 제만 항이 포함된 Ising 및 이차 무제약 이진 최적화(QUBO) 문제를 동시에 처리하거나 교대 최적화 기법을 수행할 수 없습니다.

방법론
저자들은 단일 Xilinx ALVEO U250 FPGA에 구현된 "사이버 코히어트 이징 머신(Cyber CIM)"을 개발했습니다. 이 아키텍처는 단순히 시퀀스 제어 코드를 다시 쓰는 것만으로 동일한 하드웨어 모듈에서 세 가지 별개의 알고리즘을 실행할 수 있도록 설계되어 매우 높은 범용성을 갖추고 있습니다:

오픈 루프(Open-Loop) CIM: 진폭 제어 없이 Ising 및 QUBO 해밀토니안을 해결합니다.
클로즈드 루프(Closed-Loop) CIM: 국소 최솟값(local minima)을 탈출하기 위해 카오틱 진폭 제어(CAC)를 사용하여 Ising 및 QUBO 해밀토니안을 해결합니다.
야코비 순차 과완화(Jacobi Successive Over-Relaxation, SOR): 이차 최적화를 위한 연립 방정식을 해결합니다.

핵심 기술 특징:

정밀도: 1비트 또는 고정 소수점 산술을 사용하는 이전의 FPGA 시스템과 달리, 본 시스템은 결합 행렬( $J$ ), 제만 항( $g$ ), 그리고 시간 진화 계산을 위해 **단정밀도 부동 소수점(FP32)**을 사용합니다.
범용 아키텍처: 핵심 모듈로는 동작을 시퀀싱하는 계산 제어 탑(CTL TOP), 2048개의 병렬 곱셈-누산(MAC) 프로세싱 엘리먼트를 갖춘 로컬 필드 계산기(CAL H), 그리고 시간 진화 계산기(CAL CSR)가 포함됩니다.
메모리 관리: FPGA 내부 메모리에 $4096 \times 4096$ 결합 행렬을 FP32로 저장하기 위해, 시스템은 상삼각 행렬만을 저장하고 계산 중에 대칭 행렬을 재구성하기 위해 멀티플렉서(J MUX)를 사용합니다.
교대 최적화: $L_0$ RBCS의 경우, 시스템은 CIM(이진 서포트 벡터 $q$ 최적화)과 Jacobi SOR(연속적인 소스 신호 $r$ 최적화) 사이를 교대로 수행합니다.

실험적 평가
본 시스템은 연속적인 상호작용과 제만 항을 필요로 하는 두 가지 특정 응용 분야를 통해 NVIDIA Quadro RTX 8000 GPU와 벤치마크 비교를 수행했습니다:

CDMA 다중 사용자 검출기: Ising 해밀토니안 최적화 문제.
$L_0$ RBCS: 희소 신호 복원을 포함하는 QUBO 해밀토니안 최적화 문제.

실험은 시스템 크기 $N=1024$ , $N=2048$ , $N=4096$ 에 대해 수행되었습니다.

결과

범용성 및 정확도: FPGA는 동일한 하드웨어에서 오픈 루프 및 클로즈드 루프 CIM, 그리고 Jacobi SOR를 모두 성공적으로 구현했습니다. CDMA 탐지의 경우, 오픈 루프 CIM에 대해 FPGA와 GPU는 동일한 솔루션 궤적을 생성했습니다. 클로즈드 루프 CIM의 경우, FPGA가 엄격한 IEEE 754 반올림 규칙에서 벗어난 점이 CAC의 카오틱 역학에 영향을 주어 약간의 궤적 차이가 관찰되었습니다. 그러나 클로즈드 루프 접근 방식은 두 플랫폼 모두에서 오픈 루프 방식보다 일반적으로 더 낮은 비트 오류율을 보였습니다.
재구성 성능: $L_0$ RBCS 작업(무작위 신호 및 MRI 데이터 모두)에서 FPGA와 GPU는 유사한 평균 제곱근 오차(RMSE) 결과를 달 나타냈으며, 클로즈드 루프 CS가 이론적 기저 상태(ground state)에 더 가까운 솔루션을 찾아냄으로써 오픈 루프 CS보다 우수한 성능을 보였습니다.
속도: FPGA 구현은 GPU에 비해 상당한 속도 우위를 입증했습니다.
- CDMA 탐지의 경우, 시스템 크기와 알고리즘에 따라 FPGA가 GPU보다 13배에서 30배 더 빨랐습니다.
- $L_0$ RBCS의 경우, FPGA가 GPU보다 12배에서 37배 더 빨랐습니다.
- 저자들은 FPGA의 병렬성(64개 MAC 유닛)이 이전의 단일 FPGA 시뮬레이티드 비퍼케이션(SB) 구현(이진 상호작용을 사용하는 256개 MAC 유닛 사용)의 4분의 1 수준임에도 불구하고, FP32 사용을 통해 이전에 FPGA에서 다루기 힘들었던 문제들을 해결할 수 있었다고 언급했습니다.

의의 및 주장
본 논문은 이 사이버 CIM이 원시적인 병렬 밀도보다 범용성과 정밀도를 우선시함으로써 FPGA 기반 이징 머신 구현의 중요한 진전을 이루었다고 주장합니다.

한계 극복: 이는 연속 값(FP32) 상호작용과 구성 가능한 제만 항을 지원하는 최초의 대규모 FPGA 시스템으로, 기존의 이진 상호작용 FPGA 시스템으로는 불가능했던 CDMA 다중 사용자 탐지 및 압축 센싱과 같은 응용 분야를 가능하게 했습니다.
알고리즘 불가지론(Algorithm Agnosticism): 이 아키텍처는 하드웨어 재설계 없이 동일한 하드웨어에서 여러 알고리즘(Open-loop CIM, Closed-loop CIM, Jacobi SOR, 그리고 잠재적으로 SB)을 실행할 수 있어, CIM 연구 모델의 빈번한 업데이트에 적응할 수 있습니다.
성능: 이 사이한 CIM은 복잡한 실제 최적화 문제에 대해 GPU 구현보다 10배 이상 빠른 계산 속도를 달eric 달성했습니다.
미래 잠재력: 저자들은 FPGA 클러스터링을 통해 병렬성을 높이거나, J MUX 병목 현상을 제거하기 위해 더 큰 내부 메모리를 가진 FPGA를 활용함으로써 계산 속도를 더욱 향상시킬 수 있다고 제안하며, 이를 통해 더 높은 클록 주파수를 달성할 수 있을 것으로 보고 있습니다.

사이버 이싱 머신의 이야기

유사한 논문