⚛️ quantum physics

Highly Versatile FPGA-Implemented Cyber Coherent Ising Machine

Este artigo apresenta uma máquina de Ising coerente cibernética implementada em FPGA altamente versátil que utiliza valores contínuos FP32 e controle de sequência flexível para suportar vários algoritmos (incluindo CIM, SB e Jacobi SOR), alcançando N=4096 spins em um único chip com velocidades de cálculo mais de dez vezes superiores às de GPUs para viabilizar aplicações anteriormente inviáveis, como detecção multiusuário CDMA e compressão de sensing L0.

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

Publicado 2026-07-27

📖 9 min de leitura🧠 Leitura aprofundada

CC BY 4.0

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

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o mundo da computação como uma cidade enorme e movimentada, onde cada edifício representa uma pequena decisão. À vezes, a cidade precisa resolver um quebra-cabeça gigante: encontrar o arranjo perfeito de semáforos para evitar congestionamentos, organizar a escala de um hospital para que ninguém espere, ou até mesmo descobrir a melhor maneira de arrumar uma mala. Estes são problemas de "otimização combinatória", onde você tem que escolher a melhor combinação de escolhas entre um número vertiginoso de possibilidades. Quanto mais escolhas você tem, mais difícil o quebra-cabeça se torna, muitas vezes tornando-se tão complexo que até os supercomputadores mais rápidos do mundo ficam travados, levando anos para encontrar uma boa resposta.

Para enfrentar esses quebra-cabeças impossíveis, cientistas têm construído máquinas "Ising" especiais. Pense nestas não como computadores normais, mas como motores baseados em física e mágicos. Em vez de apenas processar números um por um, elas permitem que milhares de pequenos interruptores (chamados "spins") dancem e interajam entre si, como uma multidão de pessoas tentando encontrar a maneira mais confortável de sentar em um teatro. Ao observar como esses spins se assentam, a máquina encontra a melhor solução para o quebra-cabeça. Recentemente, pesquisadores têm tentado construir essas máquinas usando luz e física quântica, mas é como tentar construir um arranha-céu de vidro: é frágil, caro e difícil de conectar todas as peças. Por isso, alguns engenheiros espertos decidiram construir uma versão "cyber" — uma simulação digital desta máquina mágica que roda em um tipo especial de chip de computador chamado FPGA. Isso permite que eles testem a física do quebra-cabeça sem precisar de um laboratório cheio de lasers e espelhos.

O artigo que você está prestes a ler descreve uma grande atualização para esta máquina "cyber" digital. A equipe, liderada por pesquisadores da Universidade de Tóquio e outros, construiu uma versão altamente versátil que pode lidar com quebra-cabeças muito mais complexos do que antes. As versões digitais anteriores eram como usar uma calculadora que só entende "sim" ou "não" (binário) ou "talvez" (ternário). Esta nova máquina, no entanto, fala a linguagem completa dos números, usando valores decimais precisos (ponto flutuante) para descrever como as peças do quebra-cabeça interagem. Isso é um grande avanço porque muitos problemas do mundo real, como decodificar sinais em uma sala de rádio lotada ou reconstruir uma imagem de ressonância magnética borrada, exigem esse nível de precisão. Se você forçar esses problemas em uma caixa simples de "sim/não", a resposta fica bagunçada e errada.

Os pesquisadores testaram sua nova máquina em duas tarefas muito difíceis: atuar como um detetive super-rápido para um canal de rádio lotado (detector multiusuário CDMA) e como um restaurador de imagens superinteligente para exames médicos (sensing comprimido). Eles descobriram que sua nova máquina "cyber" poderia resolver esses problemas mais de dez vezes mais rápido do que uma placa de vídeo padrão de alto desempenho (GPU) usada em computadores modernos. Mesmo que a máquina tenha tido que trabalhar um pouco mais para lidar com os números decimais precisos, sua velocidade e flexibilidade venceram. É como atualizar de uma bicicleta que só pode ir em estradas pavimentadas para um veículo todo-terreno robusto que consegue ir tão rápido quanto, mas também lida com lama, areia e colinas íngremes que a bicicleta não conseguiria tocar.

A História da Máquina Ising Cyber

O Problema: A Cidade de "Vidro"
Imagine que você está tentando organizar uma festa enorme onde todos têm que sentar ao lado de seus amigos, mas evitar seus inimigos. Se você tem 10 pessoas, é fácil. Se você tem 1.000, é um pesadelo. No mundo da física, isso é modelado por algo chamado "modelo de Ising", onde pequenos ímãs (spins) querem se alinhar com alguns vizinhos e opor-se a outros. Encontrar o plano de assentos perfeito é o mesmo que encontrar o "estado fundamental" (o estado de menor energia) deste sistema.

Por muito tempo, cientistas tentaram construir máquinas reais usando luz (lasers) ou circuitos supercondutores para resolver esses problemas. Estas são chamadas de "Máquinas de Ising Coerentes" (CIMs). Elas são legais porque usam as leis da física para resolver a matemática instantaneamente. Mas construir essas máquinas é como tentar construir uma cidade de vidro: é difícil conectar milhares de conexões sem que tudo quebre. Por causa disso, pesquisadores começaram a criar versões "cyber" — simulações de software que imitam a física das máquinas de luz, mas rodam em chips de computador comuns.

O Jeito Antigo: A Ferramenta de "Tamanho Único" (Mas Quebrada)
Antes deste artigo, já existiam algumas máquinas Ising digitais rodando em FPGAs (Arrays Portáteis de Portas Programáveis). Pense em um FPGA como uma placa de LEGO que você pode reprogramar para se tornar qualquer tipo de máquina. No entanto, as versões antigas tinham algumas limitações sérias:

Elas eram muito simples: Só podiam usar números "binários" (0 ou 1) ou "ternários" (0, 1 ou -1) para as conexões entre os spins. É como tentar pintar uma obra-prima usando apenas um marcador preto e uma borracha branca. Você não consegue capturar os tons sutis de cinza necessários para problemas do mundo real.
Não conseguiam lidar com "termos de Zeeman": Na física, um "termo de Zeeman" é como um vento externo soprando nos spins, empurrando-os em uma direção específica. Muitos problemas reais (como encontrar um sinal em um rádio barulhento) precisam desse "vento" para funcionar. As máquinas antigas não conseguiam lidar com esse vento adequadamente.
Elas eram rígidas: Se você quisesse mudar o algoritmo (as regras do jogo), muitas vezes tinha que reconstruir toda a máquina.

A Nova Solução: O Canivete Suíço
A equipe deste artigo construiu uma nova arquitetura de FPGA que corrige todos esses problemas. Eles a chamam de "Máquina de Ising Coerente Cyber". Aqui está o que a torna especial:

Ela fala números "Reais": Em vez de apenas 0s e 1s, esta máquina usa números de "ponto flutuante de precisão simples" (FP32). Isso é como atualizar de uma TV preto e branco para uma TV colorida 4K. Ela pode lidar com os valores decimais precisos e complexos necessários para problemas de engenharia do mundo real.
Ela lida com o "Vento": Agora ela pode gerenciar adequadamente os termos de Zeeman, permitendo que resolva problemas como o detector multiusuário CDMA (descobrir quem está falando em uma sala lotada) e a regularização baseada em L0-norm para compressed sensing (reconstruir uma imagem clara a partir de poucas partes borradas, como uma imagem de ressonância magnética).
Ela é um Camaleão: A máquina é construída com um "módulo de controle" que atua como um controle remoto. Ao simplesmente reescrever o código nesse controle remoto, a máquina pode alternar entre diferentes modos:
- CIM de malha aberta (Open-loop): A versão original, mais simples.
- CIM de malha fechada (Closed-loop): Uma versão mais nova e complexa que usa "controle de amplitude caótico" (uma forma elegante de dizer que ela sacode as coisas para escapar de soluções ruins).
- Jacobi SOR: Um método para resolver sistemas de equações.
- Bifurcação Simulada (SB): Outro algoritmo popular que ela poderia rodar se o código fosse alterado.

A Corrida: Máquina Cyber vs. A GPU
Para ver se sua nova máquina era realmente boa, a equipe a colocou contra uma placa de vídeo padrão de alto desempenho (uma NVIDIA Quadro RTX 8000), que é o tipo de chip usado para jogos e IA. Eles a testaram em dois grandes desafios:

O Detetive de Rádio (CDMA): Tentaram descobrir quais de 4.096 usuários estavam enviando uma mensagem em um canal ruidoso.
- Resultado: A máquina FPGA foi de 11 a 30 vezes mais rápida que a GPU.
- Precisão: Ela encontrou as respostas tão bem quanto a GPU e, em alguns casos (usando o modo de "malha fechada"), foi até melhor em encontrar a solução perfeita, porque o sacolejo caótico ajudou a escapar de becos sem saída.
O Restaurador de Imagens (L0RBCS): Tentaram reconstruir uma imagem de ressonância magnética de 64x64 pixels a partir de apenas 40% dos dados.
- Resultado: A máquina FPGA foi de 12 a 37 vezes mais rápida que a GPU.
- Precisão: As imagens que ela produziu foram tão claras quanto, e novamente, a versão de "malha fechada" produziu imagens ligeiramente melhores ao chegar mais perto da solução teórica perfeita.

O Compromisso: Velocidade vs. Precisão
Você pode se perguntar: "Se é tão rápida, por que não fizeram isso antes?". O artigo explica que havia um compromisso. As máquinas FPGA anteriores (como as de Bifurcação Simulada) eram incrivelmente rápidas porque usavam números binários simples e tinham quatro vezes mais "trabalhadores" (unidades de processamento paralelo) rodando ao mesmo tempo. A nova máquina usa números decimais precisos, o que exige mais recursos de lógica, portanto tem menos "trabalhadores" (apenas 2.048 "MAC PEs" comparado aos 8.192 das máquinas binárias antigas).

Por ter menos trabalhadores, a nova máquina leva cerca de quatro vezes mais ciclos de clock para terminar um passo do cálculo em comparação com as máquinas binárias antigas. No entanto, como ela pode resolver problemas que as máquinas binárias não conseguem resolver de forma alguma (devido à necessidade de números precisos e termos de Zeeman), ela é um salto gigantesco. É como ter um carro mais lento que consegue dirigir fora de estrada versus um carro esportivo rápido que só consegue dirigir em rodovias. Para os problemas que exigem direção fora de estrada, o carro mais lento é o único que te leva lá.

O Que Isso Significa
O artigo conclui que esta nova arquitetura é uma ferramenta "altamente versátil". Ela prova que você não precisa de uma máquina de laser física, frágil e cara, para obter os benefícios da física de Ising. Você pode construir uma versão digital que é:

Versátil: Pode alternar entre diferentes algoritmos instantaneamente.
Precisa: Lida com números decimais do mundo real e forças externas (termos de Zeeman).
Rápida: Supera as GPUs padrão por um fator de 10 ou mais.

Os autores sugerem que, se conseguirem construir um cluster dessas máquinas (conectando muitos FPGAs juntos), poderão torná-la ainda mais rápida, potencialmente resolvendo quebra-cabeças ainda maiores. Por enquanto, eles mostraram que uma máquina "cyber" digital pode lidar com a matemática complexa e bagunçada do mundo real muito melhor do que suas primas binárias mais simples, tudo isso rodando em uma velocidade relâmpago.

Resumo Técnico: Máquina de Ising Coerente Cibernética Implementada em FPGA Altamente Versátil

Definição do Problema
Problemas de otimização combinatória, como alocação de recursos e otimização de portfólio, são geralmente NP-difíceis, exigindo tempo exponencial para serem resolvidos conforme o tamanho do problema aumenta. Embora as Máquinas de Ising Quânticas (QIMs) e as Máquinas de Ising Coerentes (CIMs) ofereçam soluções potenciais, as implementações físicas enfrentam obstáculos significativos para alcançar acoplamento denso e grandes contagens de spins ( $N$ ) devido a restrições de fiação e limitações físicas. Consequentemente, pesquisadores derivaram equações computáveis classicamente a partir de equações mestras quânticas (por exemplo, Equações Diferenciais Estocásticas para CIMs e modelos de Bifurcação Simulada) para serem resolvidas em hardware paralelo como GPUs e FPGAs.

No entanto, as implementações atuais em larga escala de algoritmos em FPGA (especificamente Bifurcação Simulada e CIM) sofrem de limitações críticas:

Interações Discretas: Elas tipicamente utilizam valores binários ou ternários para matrizes de acoplamento ( $J$ ), para economizar memória e recursos de lógica, o que é insuficiente para aplicações de processamento de sinais do mundo real que exigem valores reais contínuos.
Ausência de Termos de Zeeman: Elas frequentemente não conseguem configurar termos de Zeeman (campos externos), que são cruciais para aplicações como compressão de sinais (compressed sensing) e detecção de múltiplos usuários em CDMA.
Rigidez Algorítmica: A arquitetura do hardware é frequentemente fixa a um algoritmo específico; mudar o modelo requer um redesenho completo.
Escopo Limitado: Elas não podem lidar simultaneamente com problemas de Ising e de Otimização Binária Não Restrita Quadrática (QUBO) com termos de Zeeman, nem realizar esquemas de otimização alternados necessários para problemas complexos como a regularização baseada na norma $L_0$ ( $L_0$ RBCS).

Metodologia
Os autores desenvolveram uma "Máquina de Ising Coerente Cibernética" (Cyber CIM) implementada em um único FPGA Xilinx ALVEO U250. A arquitetura foi projetada para ser altamente versátil, capaz de executar três algoritmos distintos nos mesmos módulos de hardware simplesmente reescrevendo o código de controle de sequência:

CIM de Malha Aberta (Open-Loop): Resolve Hamiltonianos de Ising e QUBO sem controle de amplitude.
CIM de Malha Fechada (Closed-Loop): Resolve Hamiltonações de Ising e QUBO com Controle de Amplitude Caótico (CAC) para escapar de mínimos locais.
Relaxação Sucessiva Sobre-Relaxada de Jacobi (Jacobi SOR): Resolve equações simultâneas para otimização quadrática.

Principais Características Técnicas:

Precisão: Ao contrário de sistemas FPGA anteriores que utilizam aritmética binária ou de ponto fixo, este sistema utiliza ponto flutuante de precisão simples (FP32) para a matriz de acoplamento ( $J$ ), termos de Zeeman ( $g$ ) e cálculos de evolução temporal.
Arquitetura Versátil: Os módulos centrais incluem um Controle de Cálculo Superior (CTL TOP) que sequencia operações, um Calculador de Campo Local (CAL H) com 2048 elementos de processamento de Multiplicação e Acúmulo (MAC) paralelos, e um Calculador de Evolução Temporal (CAL CSR).
Gerenciamento de Memória: Para armazenar a matriz de acoplamento $4096 \times 4096$ em FP32 dentro da memória interna do FPGA, o sistema armazena apenas a matriz triangular superior e utiliza um multiplexador (J MUX) para reconstruir a matriz simétrica durante o cálculo.
Otimização Alternada: Para $L_0$ RBCS, o sistema alterna entre CIM (otimizando o vetor de suporte binário $q$ ) e Jacobi SOR (otimizando o sinal de origem contínuo $r$ ).

Avaliação Experimental
O sistema foi testado contra uma GPU NVIDIA Quadro RTX 8000 usando duas aplicações específicas que exigem interações contínuas e termos de Zeeman:

Detector de Múltiplos Usuários CDMA: Um problema de otimização de Hamiltoniano de Ising.
$L_0$ RBCS: Um problema de otimização QUBO envolvendo recuperação de sinal esparso.

Os experimentos foram conduzidos em tamanhos de sistema de $N=1024$ , $N=2048$ e $N=4096$ .

Resultados

Versatilidade e Precisão: O FPGA implementou com sucesso tanto o CIM de malha aberta quanto o de malha fechada, além do Jacobi SOR, no mesmo hardware. Para a detecção de CDMA, o FPGA e a GPU produziram trajetórias de solução idênticas para o CIM de malha aberta. Para o CIM de malha fechada, observaram-se pequenas diferenças de trajetória, atribuídas ao desvio do FPGA em relação às regras rigorosas de arredondamento IEEE 754, o que afetou a dinâmica caótica do CAC. No entanto, a abordagem de malha fechada geralmente apresentou taxas de erro de bit mais baixas do que as abordagens de malha aberta em ambas as plataformas.
Desempenho de Reconstrução: Nas tarefas de $L_0$ RBCS (tanto para sinais aleatórios quanto para dados de RM), o FPGA e a GPU alcançaram resultados de Erro Quadrático Médio (RMSE) comparáveis, com o CS de malha fechada geralmente superando o de malha aberta por encontrar soluções mais próximas do estado fundamental teórico.
Velocidade: A implementação em FPGA demonstrou uma vantagem significativa de velocidade sobre a GPU.
- Para detecção de CDMA, o FPGA foi de 13 a 30 vezes mais rápido que a GPU, dependendo do tamanho do sistema e do algoritmo.
- Para $L_0$ RBCS, o FPGA foi de 12 a 37 vezes mais rápido que a GPU.
- Os autores observam que, embora o paralelismo do FPGA (64 unidades MAC) seja um quarto da implementação anterior de Bifurcação Simulada (SB) em um único FPGA (que usava 256 unidades MAC, mas interações binárias), o uso de FP32 permitiu a solução de problemas anteriormente intratáveis em FPGAs.

Significância e Alegações
O artigo afirma que esta Cyber CIM representa um passo significativo à frente nas implementações de máquinas de Ising baseadas em FPGA ao priorizar a versatilidade e a precisão sobre a densidade bruta de paralelismo.

Superação de Limitações: É o primeiro sistema de larga escala em FPGA que suporta interações de valor contínuo (FP32) e termos de Zeeman configuráveis, permitindo aplicações como detecção de múltiplos usuários CDMA e compressão de sinais que não eram possíveis com os sistemas anteriores de interação binária em FPGA.
Agnosticismo de Algoritmo: A arquitetura permite a execução de múltiplos algoritmos (CIM de Malha Aberta, CIM de Malha Fechada, Jacobi SOR e, potencialmente, SB) no mesmo hardware sem redesenho, adaptando-se às frequentes atualizações nos modelos de pesquisa de CIM.
Desempenho: Apesar de possuir menor paralelismo que os sistemas de interação binária em FPGA, a Cyber CIM alcança velocidades de cálculo mais de dez vezes superiores às implementações de GPU para problemas de otimização complexos do mundo real.
Potencial Futuro: Os autores sugerem que as velocidades de cálculo podem ser melhoradas aumentando o paralelismo através de clusters de FPGA ou utilizando FPGAs com maior memória interna para eliminar o gargalo do J MUX, o que poderia permitir frequências de clock mais altas.

A História da Máquina Ising Cyber

Mais como este