FPGA 기반 뉴로모픽 이징 머신, 어려운 조합 최적화 문제 해결

다기관 팀이 양자 터널링 물리학과 뇌에서 영감을 받은 아키텍처를 결합한 뉴로모픽 컴퓨터를 구축하여 어려운 수학 문제에 대한 해결책을 찾았습니다. Nature Communications에 발표된 이 연구는 표준 CMOS 기술을 기반으로 한 양자 영감 컴퓨팅의 새로운 방향을 제시합니다.

작동 방식

뉴로모픽 이싱 머신은 FPGA 보드에 구현되어 기하급수적으로 많은 경쟁 가능성이 있는 거친 에너지 경관을 빠르게 탐색합니다. 이를 통해 단백질 폴딩과 같은 복잡한 최적화 문제에 대한 거의 최적에 가까운 솔루션을 빠르게 발견할 수 있습니다. 여기서 검색은 펼쳐진 사슬에서 중간 용융 구형 상태를 거쳐 가장 안정적인 접힌 구조로 진화합니다. 동일한 아키텍처는 물류 네트워크 라우팅, 마이크로칩 라우팅 및 암호화 잠금 장치도 처리할 수 있습니다.

주요 기술 세부 사항

• 아키텍처: Fowler-Nordheim 어닐러를 갖춘 뉴로모픽 오토인코더 — 검색 프로세스는 자연의 에너지 경관 탐색을 모방합니다.
• 보장: 최적 솔루션으로의 점근적 수렴.
• 하드웨어: FPGA 기반, CMOS에서 양자 터널링 물리학과 뇌에서 영감을 받은(뉴로모픽) 회로의 하이브리드를 사용합니다.
• 협력: Shantanu Chakrabartty(워싱턴 대학교 세인트루이스), Chetan Singh Thakur(IISc), 하이델베르크 대학교, 존스 홉킨스, UC 산타크루즈의 파트너.

AI 에이전트에 중요한 이유

현재 AI 모델은 소설을 쓰고 우주선을 조종할 수 있지만 조합 최적화 문제에서는 정체됩니다. 이 뉴로모픽 접근 방식은 더 빠른 칩(무어의 법칙 한계)에 의존하지 않고 다르게 생각하고 계산하는 아키텍처에 기반한 근본적으로 다른 계산 패러다임을 제공합니다. 이 연구는 Telluride 뉴로모픽 공학 워크숍과 IISc의 방갈로르 뉴로모픽 공학 워크숍에서 비롯되었으며, 전 세계 뉴로모픽 엔지니어 커뮤니티를 대표합니다.