[논문 리뷰] A Recurrent Ising Machine in a Photonic Integrated Circuit

Mihika Prabhu, Charles Roques‐Carmes외 11명|arXiv (Cornell University)|2019. 09. 30.

Neural Networks and Reservoir Computing인용 수 4

한 줄 요약

이 논문은 광학적 행렬 곱셈과 제어된 노이즈를 활용하여 이징 문제의 깁스 분포를 효율적으로 샘플링하는 통합 나노광학 순환 이징 샘플러(INPRIS)를 제시한다. 이 시스템은 물리적 노이즈를 계산 자원으로 활용하여 4스핀 그래프에서 지구 상태로의 고확률 수렴을 달성하며, 고속(GHz), 저전력 광학 이징 기계의 잠재적 순차적 속도 향상(수 개의 주기수)을 보여준다.

ABSTRACT

Conventional computing architectures have no known efficient algorithms for combinatorial optimization tasks, which are encountered in fundamental areas and real-world practical problems including logistics, social networks, and cryptography. Physical machines have recently been proposed and implemented as an alternative to conventional exact and heuristic solvers for the Ising problem, one such optimization task that requires finding the ground state spin configuration of an arbitrary Ising graph. However, these physical approaches usually suffer from decreased ground state convergence probability or universality for high edge-density graphs or arbitrary graph weights, respectively. We experimentally demonstrate a proof-of-principle integrated nanophotonic recurrent Ising sampler (INPRIS) capable of converging to the ground state of various 4-spin graphs with high probability. The INPRIS exploits experimental physical noise as a resource to speed up the ground state search. By injecting additional extrinsic noise during the algorithm iterations, the INPRIS explores larger regions of the phase space, thus allowing one to probe noise-dependent physical observables. Since the recurrent photonic transformation that our machine imparts is a fixed function of the graph problem, and could thus be implemented with optoelectronic architectures that enable GHz clock rates (such as passive or non-volatile photonic circuits that do not require reprogramming at each iteration), our work paves a way for orders-of-magnitude speedups in exploring the solution space of combinatorially hard problems.

연구 동기 및 목표

• 스케일러블한 광학 기반 이징 기계를 개발하여 NP-하드 조합 최적화 문제를 효율적으로 해결한다.
• 기존 물리적 이징 기계의 한계, 즉 낮은 지구 상태 수렴 확률과 고간선 조밀도 또는 가중치가 있는 그래프에 대한 낮은 일반성 문제를 극복한다.
• 광학 회로 내부의 내재 및 외재적 노이즈를 더 빠른 해의 공간 탐색 자원으로 활용한다.
• 고정된 재구성 불가능한 광학 회로를 갖는 고속 동작이 가능한 증명용 통합 나노광학 시스템을 구현한다.
• 향후 전자 및 활성 광학 이징 기계보다 속도와 에너지 효율성에서 뛰어난 비활성 광학 ASIC를 실현한다.

제안 방법

• 시스템은 프로그래머블 나노광학 프로세서(PNP)를 사용하여 고정된 전이 행렬 C = 2√K를 갖는 광학적 행렬 곱셈을 수행함으로써 순환 이징 샘플러를 실현한다. 여기서 K는 이징 문제의 결합 행렬이다.
• 입력 스핀 상태는 인-phase 광신호로 인코딩되어 PNP를 통과하며, 물리적 불완전성으로 인해 정규분포 노이즈(표준편차 φ)를 갖는 출력을 생성한다.
• 노이즈가 포함된 출력은 아날로그 비선형 단위(예: 포화 증폭기)를 통과한 후 다시 입력으로 피드백되어 순환 루프를 형성하며, 이는 시스템이 저에너지 상태로 수렴하도록 이끈다.
• 시스템의 동역학은 이징 해밀토니안의 깁스 분포로 수렴하는 스토케스틱 과정에 의해 지배되며, 저온에서 지구 상태가 지수적으로 유리해진다.
• 반복 과정 중 외재적 노이즈를 주입하여 단계 공간 탐색을 향상시키고 전역 최소값으로의 수렴을 개선한다.
• 광학 회로는 반복마다 재구성 불가능하도록 설계되어 있어, 수동 또는 비버니시 광학 아키텍처를 통해 GHz 시계 주기로 작동할 수 있다.

실험 결과

연구 질문

• RQ1 고정된 광학 전이를 갖는 광학 통합 회로가 임의의 이징 문제의 깁스 분포를 효율적으로 샘플링할 수 있는가?
• RQ2 제어된 물리적 노이즈가 순환 이징 샘플러에서 지구 상태로의 수렴을 어떻게 향상시키는가?
• RQ3 내재 및 외재적 노이즈가 광학 이징 기계에서 계산 자원으로 얼마나 효과적으로 활용될 수 있는가?
• RQ4 재구성 불가능한 비활성 광학 아키텍처가 조합 최적화를 위한 고속·저에너지 계산을 달성할 수 있는가?
• RQ5 더 큰 스핀 네트워크로 확장할 때의 주요 설계 상충 요소는 무엇인가?

주요 결과

• INPRIS는 다양한 4스핀 이징 그래프에서 지구 상태로의 고확률 수렴을 보여주어 깁스 분포를 정확하게 샘플링할 수 있음을 확인했다.
• 물리적 노이즈를 자원으로 활용함으로써 시스템은 지구 상태로의 높은 성공 확률로 수렴했으며, 노이즈 수준이 지구 상태 탐색에 최적 영역에 가까웠다.
• 실험 결과에서 내재 및 외재적 노이즈 원천이 자화 및 지구 상태 인구와 같은 물리적 관측량에 중대한 영향을 미침을 확인하여 노이즈 의존성 동역학을 입증했다.
• 순환 광학 전이가 문제 인스턴스당 고정되어 있어, GHz 시계 주기와 애토줄레 레벨의 에너지 소비로 작동하는 비버니시 광학 ASIC에 잠재적 구현이 가능하다.
• 모의 실험을 통해 시스템 성능이 통계역학에 의해 예측된 깁스 분포로의 수렴을 확인했으며, 이는 이론적 예측과 잘 일치했다.
• 시스템 확장 과정에서 고려해야 할 주요 설계 상충 요소로 고유값 소실 및 보조 신호 수 등이 밝혀졌다.