[論文レビュー] Chaotic Amplitude Control for Neuromorphic Ising Machine in Silico

Timothée Leleu, Farad Khoyratee+4 more|arXiv (Cornell University)|Sep 9, 2020

Quantum Computing Algorithms and Architecture参考文献 3被引用数 5

ひとこと要約

本論文は、平均場ダイナミクス中に局所的最小値のトラップから脱出するためのカオス的アモルチュード制御を用いる神経モルフィックIsingマシンを提案する。伝統的なアニーリングに比べて性能が向上する。分散メモリおよび処理を備えたフィールドプログラマブルゲートアレイ（FPGA）に実装された本手法は、最新のソルバーと比較して、より速い時間内解法、より高いエネルギー効率、問題サイズに伴う分散の低減を達成する。

ABSTRACT

Ising machines are special-purpose hardware designed to reduce time, resources, and energy consumption needed for finding low energy states of the Ising Hamiltonian. In recent years, most of the physical implementations of such machines have been based on a similar concept that is closely related to annealing such as in simulated, mean-field, chaotic, and quantum annealing. We argue that Ising machines benefit from implementing a chaotic amplitude control of mean field dynamics that does not rely solely on annealing for escaping local minima trap. We show that this scheme outperforms recent state-of-the-art solvers for some reference benchmarks quantitatively and qualitatively in terms of time to solution, energy efficiency, and scaling of its variance with problem size when it is implemented in hardware such as in a field programmable gate array that is organized according to a neuromorphic design where memory is distributed with processing.

研究の動機と目的

• アニーリングベースのIsingマシンが局所的最小値のトラップに陥るという制限を解決すること。
• Isingモデルの問題を解く際の時間内解法、エネルギー効率、分散スケーリングの改善。
• 神経モルフィックハードウェアにおける平均場ダイナミクスにおけるカオス的アモルチュード制御の利点を調査すること。
• 神経モルフィックアーキテクチャを備えたフィールドプログラマブルゲートアレイ（FPGA）上で、本手法の性能を評価すること。

提案手法

• 本手法は、平均場Isingモデルのダイナミクスを制御するためのカオス的アモルチュード制御を導入し、アニーリングに依存せずに局所的最小値から脱出可能にする。
• 制御機構は、カオス信号を用いてアモルチュードを動的に調整し、エネルギー障害の探索を促進する確率的性質を導入する。
• 処理とメモリが統合された神経モルフィック設計を備えたフィールドプログラマブルゲートアレイ（FPGA）にシステムを実装し、遅延とエネルギー消費の低減を実現する。
• アルゴリズムは、カオス信号で変調された平均場方程式に基づいてスピン状態を反復的に更新することで、Isingハミルトニアンを解く。
• 標準的なIsingモデルベンチマークを用いて性能を評価し、時間内解法、エネルギー効率、問題サイズに伴う分散スケーリングを測定する。

実験結果

リサーチクエスチョン

• RQ1 カオス的アモルチュード制御は、従来のアニーリングベース手法を上回るIsingマシンの性能向上を実現できるか？
• RQ2 カオス的アモルチュード制御は、神経モルフィックハードウェアにおける時間内解法とエネルギー効率にどのように影響するか？
• RQ3 カオス制御下で、問題サイズの増大に伴う解の分散のスケーリング挙動はいかなるものか？
• RQ4 神経モルフィックFPGA実装は、最新のソルバーと比較して、解の品質と効率の面でどのように差をつけるか？

主な発見

• カオス的アモルチュード制御方式は、基準ベンチマークにおいて、最近の最新のソルバーを上回る時間内解法性能を達成した。
• 分散メモリおよび処理を備えた効率的な神経モルフィックFPGA実装のおかげで、エネルギー効率が向上した。
• 解の品質の分散が、従来のアニーリング手法と比較して、問題サイズの増大に伴いより良好にスケーリングされた。
• 本手法は局所的最小値からの脱出において頑健であり、早期収束の可能性を低減した。