[论文解读] 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 5

一句话总结

该论文提出一种神经形态伊辛机，通过混沌振幅控制在平均场动力学过程中实现对局部极小值的逃离，从而在性能上超越传统退火方法。该系统基于具有分布式存储与处理能力的现场可编程门阵列（FPGA）实现，相较于最先进求解器，实现了更快的求解时间、更高的能效，并且在问题规模增大时方差更小。

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.

研究动机与目标

• 为解决基于退火的伊辛机在逃离局部极小值陷阱方面的局限性。
• 改善求解伊辛模型问题时的求解时间、能效以及方差扩展特性。
• 探索混沌振幅控制在神经形态硬件平均场动力学中的优势。
• 评估该方法在具备神经形态架构的现场可编程门阵列上的性能表现。

提出的方法

• 该方法引入混沌振幅控制以调制平均场伊辛模型的动力学行为，使系统在不完全依赖退火的情况下也能逃离局部极小值。
• 控制机制通过混沌信号动态调节振幅，引入随机性，从而增强对能量景观的探索能力。
• 系统在具有神经形态设计的现场可编程门阵列（FPGA）上实现，处理与存储功能共置，以降低延迟和能耗。
• 算法通过基于混沌信号调制的平均场方程，迭代更新自旋状态来求解伊辛哈密顿量。
• 性能通过标准伊辛模型基准进行评估，测量指标包括求解时间、能效以及问题规模增大时的方差扩展特性。

实验结果

研究问题

• RQ1 混沌振幅控制能否使伊辛机的性能超越传统基于退火的方法？
• RQ2 混沌振幅控制对神经形态硬件中的求解时间与能效有何影响？
• RQ3 在混沌控制下，解决方案方差随问题规模增大的扩展行为如何？
• RQ4 该神经形态FPGA实现与最先进求解器相比，在解决方案质量与效率方面表现如何？

主要发现

• 混沌振幅控制方案在参考基准测试中，求解时间表现优于近期最先进求解器。
• 由于采用了具有分布式存储与处理的高效神经形态FPGA实现，该方法实现了更高的能效。
• 与传统退火方法相比，解决方案质量的方差随问题规模增大时扩展得更为有利。
• 该方法在逃离局部极小值方面表现出强健性，显著降低了过早收敛的可能性。