[论文解读] Physics-inspired optimization for constraint-satisfaction problems using a digital annealer.

Maliheh Aramon, Gili Rosenberg+3 more|arXiv (Cornell University)|Jun 22, 2018

Parallel Computing and Optimization Techniques被引用 8

一句话总结

本文提出了富士通数字退火器（Fujitsu Digital Annealer），一种基于模拟退火算法的专用CMOS硬件加速器，采用受物理启发的优化算法，结合并行试错与动态逃逸机制，用于求解大规模全连接的无约束二值二次优化（QUBO）问题。在具有双模和高斯耦合的全连接自旋玻璃问题上，其求解时间相比单核模拟退火和平行退火方法实现了约两个数量级的加速。

ABSTRACT

The Fujitsu Digital Annealer (DA) is designed to solve fully connected quadratic unconstrained binary optimization (QUBO) problems. It is implemented on application-specific CMOS hardware and currently solves problems of up to 1024 variables. The DA's algorithm is currently based on simulated annealing; however, it differs from it in its utilization of an efficient parallel-trial scheme and a dynamic escape mechanism. In addition, the DA exploits the massive parallelization that custom application-specific CMOS hardware allows. We compare the performance of the DA to simulated annealing and parallel tempering with isoenergetic cluster moves on two-dimensional and fully connected spin-glass problems with bimodal and Gaussian couplings. These represent the respective limits of sparse versus dense problems, as well as high-degeneracy versus low-degeneracy problems. Our results show that the DA currently exhibits a time-to-solution speedup of roughly two orders of magnitude for fully connected spin-glass problems with bimodal or Gaussian couplings, over the single-core implementations of simulated annealing and parallel tempering Monte Carlo used in this study. The DA does not appear to exhibit a speedup for sparse two-dimensional spin-glass problems, which we explain on theoretical grounds. We also benchmarked an early implementation of the Parallel Tempering DA. Our results suggest an improved scaling over the other algorithms for fully connected problems of average difficulty with bimodal disorder. The next generation of the DA is expected to be able to solve fully connected problems up to 8192 variables in size. This would enable the study of fundamental physics problems and industrial applications that were previously inaccessible using standard computing hardware or special-purpose quantum annealing machines.

研究动机与目标

• 开发一种超越经典算法能力的硬件加速求解器，用于求解大规模全连接QUBO问题。
• 通过并行化与动态逃逸机制，提升在密集、高度简并问题上的优化性能。
• 将数字退火器与模拟退火和具有等能聚类移动的平行退火等成熟蒙特卡洛方法进行基准测试。
• 评估数字退火器在不同无序类型下的稀疏（二维）与全连接（三维）自旋玻璃模型上的可扩展性与性能表现。
• 展示数字退火器在解决经典计算难以处理的物理与工业问题方面的潜力。

提出的方法

• 数字退火器实现了一种模拟退火的变体，采用并行试错方案，可同时评估多个候选解。
• 其采用动态逃逸机制以避免陷入局部极小值，从而提升收敛至全局最优解的能力。
• 该算法运行于专用的特定应用CMOS硬件上，支持最多1024个变量的海量并行计算。
• 在具有双模与高斯耦合的二维与全连接自旋玻璃问题上评估性能，以代表稀疏与密集问题场景。
• 本研究将数字退火器与单核模拟退火及具有等能聚类移动的平行退火实现进行对比。
• 还对早期版本的并行退火数字退火器进行了基准测试，以评估其在全连接问题上的扩展行为。

实验结果

研究问题

• RQ1 数字退火器在全连接QUBO问题上是否相对于经典单核蒙特卡洛方法实现了显著加速？
• RQ2 尽管具备并行架构，为何数字退火器在稀疏二维自旋玻璃问题上未表现出加速效果？
• RQ3 并行退火数字退火器变体在具有双模无序的全连接问题上，其性能随问题规模如何扩展？
• RQ4 问题结构——特别是稀疏性与全连接性——对数字退火器的有效性有何影响？
• RQ5 数字退火器能否求解标准硬件或量子退火器无法处理的具有工业与基础物理意义的问题？

主要发现

• 在具有双模与高斯耦合的全连接自旋玻璃问题上，数字退火器相比单核模拟退火与并行退火，实现了约两个数量级的时间-求解速度提升。
• 在稀疏二维自旋玻璃问题上未观察到加速效果，作者通过问题能量景观的理论分析与算法局限性加以解释。
• 早期版本的并行退火数字退火器在中等难度的双模无序全连接问题上表现出更优的扩展行为。
• 当前数字退火器架构支持最多1024个变量，下一代版本预计可扩展至8192个变量。
• 由于能够处理大规模全连接QUBO实例，数字退火器使此前难以触及的基础物理问题与工业应用成为可能。
• 结果表明，针对硬件特化的算法增强手段，如并行试错与动态逃逸，对密集优化问题的性能提升至关重要。