Máy tính P có thể thay đổi tương lai của công nghệ thông tin theo hướng tốt đẹp. Nhu cầu cấp thiết về công nghệ bổ sung có khả năng mở rộng và tiết kiệm năng lượng do sự ra đời của trí tuệ nhân tạo (AI) và máy học (ML). Đưa ra phán đoán dựa trên dữ liệu không đầy đủ là một bước quan trọng trong cả AI và ML và chiến lược tối ưu là đưa ra xác suất cho mỗi phản hồi tiềm năng.
Máy tính P được cung cấp năng lượng bởi các bit xác suất
Do các máy tính cổ điển hiện nay không thể thực hiện nhiệm vụ đó theo cách tiết kiệm năng lượng nên các nhà nghiên cứu đang tìm kiếm các mô hình điện toán mới. Máy tính lượng tử dựa trên Qubit có thể hỗ trợ khắc phục những khó khăn này, nhưng chúng vẫn đang trong giai đoạn nghiên cứu ban đầu và rất nhạy cảm với môi trường.
Một thực tế tất yếu là trí tuệ nhân tạo sẽ thay đổi hoàn toàn tương lai. Ngoài những phát triển khoa học, các quy định pháp lý dường như mở đường cho việc sử dụng trí tuệ nhân tạo, chẳng hạn, Vương quốc Anh nới lỏng các hạn chế đối với luật khai thác dữ liệu để tạo điều kiện cho ngành AI phát triển.
Kerem Camsari, trợ lý giáo sư về kỹ thuật điện và máy tính (ECE) tại UC Santa Barbara, tin rằng máy tính xác suất (p-máy tính) là giải pháp. Máy tính P được cung cấp năng lượng bởi các bit xác suất (p-bit), tương tác với các p-bit khác trong cùng hệ thống. Không giống như các bit trong máy tính cổ điển nằm trong một 0 hoặc một 1 trạng thái hoặc qubit, có thể ở nhiều trạng thái cùng một lúc, p-bit dao động giữa các vị trí và hoạt động ở nhiệt độ phòng. Trong một bài báo đăng trên Điện tử tự nhiênCamsari và các cộng tác viên của ông thảo luận về dự án thể hiện sự hứa hẹn của máy tính p.
Camsari cho biết: “Chúng tôi đã chứng minh rằng các máy tính xác suất vốn có, được xây dựng từ p-bit, có thể hoạt động tốt hơn các phần mềm tiên tiến đã được phát triển trong nhiều thập kỷ”.
Các nhà nghiên cứu từ Đại học Messina ở Ý, phó chủ tịch khoa UCSB ECE Luke Theogarajan, và giáo sư vật lý John Martinis, người giám sát nhóm tạo ra máy tính lượng tử đầu tiên đạt được ưu thế lượng tử, đều làm việc với nhóm của Camsari. Cùng nhau, các nhà nghiên cứu đã tạo ra những kết quả đáng khích lệ bằng cách sử dụng các kiến trúc dành riêng cho miền được xây dựng trên phần cứng truyền thống. Họ đã tạo ra một máy Ising thưa đặc biệt (sIm), một hệ thống điện toán tiên tiến được thiết kế để giải quyết các vấn đề tối ưu hóa và giảm mức sử dụng năng lượng.
Theo Camsari, sIm là một nhóm các bit xác suất có thể được so sánh với các cá thể. Ngoài ra, mỗi cá nhân chỉ có một nhóm nhỏ bạn thân hoặc các mối quan hệ “thưa thớt” trong hệ thống.
“Mọi người có thể đưa ra quyết định nhanh chóng vì mỗi người đều có một nhóm nhỏ bạn bè đáng tin cậy và họ không cần phải nghe ý kiến của mọi người trong toàn bộ mạng lưới. Quá trình mà các tác nhân này đạt được sự đồng thuận tương tự như quá trình được sử dụng để giải quyết một vấn đề tối ưu hóa khó thỏa mãn nhiều ràng buộc khác nhau. Máy Ising thưa thớt cho phép chúng tôi xây dựng và giải quyết nhiều vấn đề tối ưu hóa khác nhau bằng cách sử dụng cùng một phần cứng,” Camsari giải thích.
Mảng cổng lập trình trường (FPGA), một phần cứng mạnh mẽ mang lại sự linh hoạt hơn nhiều so với các mạch tích hợp dành riêng cho ứng dụng, là một thành phần trong thiết kế nguyên mẫu của nhóm.
Camsari nói: “Hãy tưởng tượng một con chip máy tính cho phép bạn lập trình các kết nối giữa các bit p trong mạng mà không cần phải chế tạo một con chip mới”.
Các nhà nghiên cứu đã chứng minh rằng thiết kế thưa thớt của họ trên FPGA đã tăng tốc độ lấy mẫu nhanh hơn từ 5 đến 18 lần so với tốc độ đạt được bằng các phương pháp tối ưu hóa được sử dụng trên máy tính thông thường, nhanh hơn tới sáu bậc cường độ.
Ngoài ra, họ tuyên bố rằng sIm của họ đạt được tính song song rất lớn trong đó số p-bit tăng tuyến tính với số lần lật mỗi giây, số liệu cơ bản được sử dụng để xác định tốc độ mà một máy tính p có thể đưa ra quyết định có căn cứ. Camsari quay trở lại hình ảnh hai người bạn đáng tin cậy đang cố gắng quyết định.
“Vấn đề mấu chốt là quá trình đạt được sự đồng thuận đòi hỏi sự giao tiếp mạnh mẽ giữa những người liên tục trao đổi với nhau dựa trên những suy nghĩ mới nhất của họ. Nếu mọi người đưa ra quyết định mà không lắng nghe thì không thể đạt được sự đồng thuận và vấn đề tối ưu hóa sẽ không được giải quyết”, Camsari nói thêm.
Nói cách khác, điều quan trọng là phải tăng số lần lật mỗi giây đồng thời đảm bảo rằng mọi người đều lắng nghe nhau vì p-bit giao tiếp càng nhanh thì sự đồng thuận có thể được hình thành càng nhanh.
“Đây chính xác là những gì chúng tôi đạt được trong thiết kế của mình. Camsari giải thích: Bằng cách đảm bảo rằng mọi người lắng nghe lẫn nhau và giới hạn số lượng ‘người’ có thể kết bạn với nhau, chúng tôi đã song song hóa quá trình ra quyết định.
Mặc dù thừa nhận rằng ý tưởng của họ chỉ là một phần của trò chơi ghép hình máy tính p, Camsari nhận thấy công việc của họ vô cùng hứa hẹn vì nó chứng tỏ khả năng phát triển máy tính p lên tới 5,000 p-bit.
“Đối với chúng tôi, những kết quả này chỉ là phần nổi của tảng băng trôi. Chúng tôi đã sử dụng công nghệ bóng bán dẫn hiện có để mô phỏng các kiến trúc xác suất của mình, nhưng nếu các thiết bị nano có mức độ tích hợp cao hơn nhiều được sử dụng để chế tạo máy tính p thì lợi thế sẽ rất lớn. Đây là điều khiến tôi mất ngủ”, Camsari nói thêm.
Tiềm năng của thiết bị ban đầu được chứng minh bằng một 8 máy tính p-bit do Camsari và các cộng sự của ông tạo ra khi ông còn là nghiên cứu sinh và nhà nghiên cứu sau tiến sĩ tại Đại học Purdue. Bài báo của họ, được xuất bản vào năm 2019 trên tạp chí Nature, đã trình bày chi tiết về mức năng lượng mà nó sử dụng đã giảm 10 lần và dấu chân diện tích giảm hàng trăm lần. Camsari và Theogarajan đã có thể tiếp tục nghiên cứu máy tính p của họ nhờ nguồn tài trợ ban đầu từ Viện Hiệu quả Năng lượng của UCSB, hỗ trợ cho nghiên cứu được công bố trên tạp chí Nature Electronics.
Camsari cho biết: “Những phát hiện ban đầu, kết hợp với kết quả mới nhất của chúng tôi, có nghĩa là việc xây dựng máy tính p với hàng triệu p-bit để giải quyết các vấn đề tối ưu hóa hoặc ra quyết định xác suất với hiệu suất cạnh tranh là hoàn toàn có thể thực hiện được”.
Nhóm nghiên cứu dự đoán rằng một ngày nào đó, máy tính p sẽ nhanh hơn và hiệu quả hơn trong việc xử lý một loại nhiệm vụ nhất định, những nhiệm vụ vốn mang tính xác suất. Nếu bạn thích bài viết này, hãy xem nghiên cứu mới nhất cho thấy có thể cải thiện khả năng diễn giải các tính năng ML cho người dùng cuối như thế nào.
