Probabilistic Computing Optimization of Complex Spin-Glass Topologies
Fredrik Hasselgren, Max O. Al-Hasso, Amy Searle, Joseph Tindall, Marko von der Leyen
旋转玻璃系统作为随机相互作用的无序磁铁的晶格,在磁化理论和应用对广泛的硬组合优化问题具有重要意义。 然而,尽管做出了持续的努力,但获得高精度和效率的算法仍然难以捉摸。 由于它们的拓扑结构是低k-partite,因此系统非常适合使用概率位(P-bits)的概率计算(PC)方法。 在这里,我们介绍了复杂的自旋玻璃拓扑结构,解决了在Ising机器的模拟PC实现。 首先,我们考虑了随机生成并在文献中发现的一些三维爱德华兹 - 安德森立方旋转眼镜作为基准。 其次,与其他最先进的技术相比,斜面拓扑被确定为比较优势的可能候选者,并模拟了一系列尺寸。 我们发现,如果假设硬件的完美并行化,则找到给定质量解决方案所需的迭代次数具有恒定的扩展,系统大小超过饱和点。 因此,PC架构可以通过连接以系统大小线性缩放的多个P位来交换其他方法的计算深度。 这种恒定的扩展被证明存在于许多解决方案的特质上,达到一定的极限,超出资源限制限制了进一步的调查。 饱和点在拓扑和品质之间有所不同,并且在找到地面真理的极限中变得成倍地困难。 此外,我们证明我们的PC架构可以在几分钟内以与最先进的量子退火机相同的质量解决自旋玻璃拓扑结构,并对其在硬件上的实现做出适度的假设。
Spin glass systems as lattices of disordered magnets with random interactions have important implications within the theory of magnetization and applications to a wide-range of hard combinatorial optimization problems. Nevertheless, despite sustained efforts, algorithms that attain both high accuracy and efficiency remain elusive. Due to their topologies being low-k-partite such systems are well suited to a probabilistic computing (PC) approach using probabilistic bits (P-bits). Here we present ...