[论文解读] Analog Coupled Oscillator Based Weighted Ising Machine

Jeffrey B. Chou, Suraj Bramhavar+2 more|arXiv (Cornell University)|Jun 14, 2019

Quantum Computing Algorithms and Architecture参考文献 34被引用 17

一句话总结

该论文提出一种基于低成本LC电路的模拟耦合振荡器网络，用于求解加权伊辛模型问题，在二进制权重的MAX-CUT问题上实现了98%的基态准确率，5位分辨率下达到84%的准确率，且在5个振荡器周期内完成，展示了通过非线性振荡器的相位动力学高效探索能量景观的潜力，为超越经典算法的更快、更高效的组合优化提供了可能。

ABSTRACT

We report on an analog computing system with coupled non-linear oscillators which is capable of solving complex combinatorial optimization problems using the weighted Ising model. The circuit is composed of a fully-connected 4-node LC oscillator network with low-cost electronic components and compatible with traditional integrated circuit technologies. We present the theoretical modeling, experimental characterization, and statistical analysis our system, demonstrating single-run ground state accuracies of 98% on randomized MAX-CUT problem sets with binary weights and 84% with 5-bit weight resolutions. Solutions are obtained within 5 oscillator cycles, and the time-to-solution has been demonstrated to scale directly with oscillator frequency. We present scaling analysis which suggests that large coupled oscillator networks may be used to solve computationally intensive problems faster and more efficiently than conventional algorithms. The proof-of-concept system presented here provides the foundation for realizing such larger scale systems using existing hardware technologies and could pave the way towards an entirely novel computing paradigm.

研究动机与目标

• 开发一种基于耦合非线性振荡器的硬件高效模拟计算系统，用于求解复杂的组合优化问题。
• 证明利用模拟振荡器网络实现加权伊辛模型以求解MAX-CUT等NP难问题的可行性。
• 仅使用低成本、CMOS兼容电子元件，实现高求解准确率和低求解时间。
• 建立一个可扩展至更大网络的原型系统，用于实际计算。
• 探索基于振荡器的系统作为计算密集型问题新型计算范式的发展潜力。

提出的方法

• 系统采用全连接的4节点LC振荡器网络，通过非线性耦合来模拟加权伊辛哈密顿量。
• 利用振荡器的相位动力学表示自旋态，耦合强度对应于问题权重。
• 通过工程化设计非线性相互作用，促使系统通过同步和相位锁定机制趋向低能量（基态）状态。
• 通过时域测量和相位追踪对系统进行实验表征，以评估收敛性和求解质量。
• 对随机化问题实例的求解结果进行统计分析，以评估准确率和可扩展性。
• 开展缩放分析，基于振荡器频率和周期数预测更大规模振荡器网络的性能。

实验结果

研究问题

• RQ1 基于模拟耦合非线性振荡器的网络能否有效求解加权伊辛模型问题？
• RQ2 仅使用低成本、CMOS兼容元件，可实现的求解准确率水平如何？
• RQ3 系统收敛到解的速度如何？求解时间是否随振荡器频率呈可预测的缩放关系？
• RQ4 当问题权重被量化为有限位分辨率时，系统能否保持高准确率？
• RQ5 该方法在更大网络规模下用于实际优化任务的潜力如何？

主要发现

• 在使用4节点网络的随机化二进制权重MAX-CUT问题中，系统实现了98%的基态准确率。
• 在5位权重分辨率下，系统仍保持84%的基态准确率，表明对有限精度具有鲁棒性。
• 求解在5个振荡器周期内完成，表明收敛速度极快。
• 求解时间与振荡器频率呈线性缩放关系，证实了性能的可预测性。
• 理论缩放分析表明，更大规模的振荡器网络在速度和能效方面可能超越经典算法。
• 该系统与传统集成电路技术完全兼容，支持实际硬件实现。