Você já se deparou com um problema em que teve que encontrar uma solução ideal entre muitas opções possíveis, como encontrar a rota mais rápida para um determinado local, considerando a distância e o tráfego?
Nesse caso, o problema com o qual você estava lidando é formalmente conhecido como "problema de otimização combinatória". Embora formulados matematicamente, esses problemas são comuns no mundo real e surgem em vários campos, incluindo logística, roteamento de rede, aprendizado de máquina e ciência de materiais.

No entanto, problemas de otimização combinatória em larga escala são computacionalmente intensivos para serem resolvidos usando computadores padrão, fazendo com que os pesquisadores se voltem para outras abordagens. Uma dessas abordagens é baseada no "modelo de Ising", que representa matematicamente a orientação magnética dos átomos, ou "spins", em um material ferromagnético.

Em altas temperaturas, esses spins atômicos são orientados aleatoriamente. Mas à medida que a temperatura diminui, os spins se alinham para atingir o estado mínimo de energia, onde a orientação de cada spin depende de seus vizinhos. Acontece que esse processo, conhecido como "annealing", pode ser usado para modelar problemas de otimização combinatória de modo que o estado final dos spins produza a solução ótima.

Os pesquisadores tentaram criar processadores de recozimento que imitam o comportamento dos spins usando dispositivos quânticos e tentaram desenvolver dispositivos semicondutores usando a tecnologia de integração em larga escala (LSI) com o objetivo de fazer o mesmo. Em particular, o grupo de pesquisa do professor Takayuki Kawahara na Tokyo University of Science (TUS) no Japão vem fazendo importantes avanços nesse campo específico.

Em 2020, o Prof. Kawahara e seus colegas apresentaram na conferência internacional de 2020, IEEE SAMI 2020, um dos primeiros processadores de recozimento LSI totalmente acoplados (ou seja, contabilizando todas as possíveis interações spin-spin em vez de interações apenas com spins vizinhos) processadores de recozimento LSI, compreendendo 512 spins totalmente conectados.

Seu trabalho foi publicado na revista IEEE Transactions on Circuits and Systems I:Regular Papers . Esses sistemas são notoriamente difíceis de implementar e aumentar devido ao grande número de conexões entre os spins que precisam ser considerados. Embora o uso de vários chips totalmente conectados em paralelo fosse uma solução potencial para o problema de escalabilidade, isso tornou o número necessário de interconexões (fios) entre os chips proibitivamente grande.

Em um estudo recente publicado em Microprocessors and Microsystems , Prof. Kawahara e seu colega demonstraram uma solução inteligente para este problema. Eles desenvolveram um novo método no qual o cálculo do estado de energia do sistema é dividido primeiro entre vários chips totalmente acoplados, formando uma "calculadora de matriz".

Um segundo tipo de chip, chamado de "chip de controle", coleta os resultados do restante dos chips e calcula a energia total, que é usada para atualizar os valores dos spins simulados. "A vantagem de nossa abordagem é que a quantidade de dados transmitidos entre os chips é extremamente pequena", explica o Prof. Kawahara. "Embora seu princípio seja simples, este método nos permite realizar um sistema LSI escalável e totalmente conectado para resolver problemas de otimização combinatória por meio de recozimento simulado."

Os pesquisadores implementaram com sucesso sua abordagem usando chips FPGA comerciais, que são dispositivos semicondutores programáveis ​​amplamente utilizados. Eles construíram um sistema de recozimento totalmente conectado com 384 rotações e o usaram para resolver vários problemas de otimização, incluindo um problema de coloração de grafos de 92 nós e um problema de corte máximo de 384 nós.

Mais importante ainda, esses experimentos de prova de conceito mostraram que o método proposto traz benefícios reais de desempenho. Comparado com uma CPU moderna padrão que modela o mesmo sistema de recozimento, a implementação do FPGA foi 584 vezes mais rápida e 46 vezes mais eficiente em termos de energia ao resolver o problema de corte máximo.

Agora, com esta demonstração bem sucedida do princípio de funcionamento de seu método em FPGA, os pesquisadores planejam levá-lo para o próximo nível. "Desejamos produzir um chip LSI personalizado para aumentar a capacidade e melhorar muito o desempenho e a eficiência energética do nosso método", diz o Prof. Kawahara. "Isso nos permitirá obter o desempenho necessário nas áreas de desenvolvimento de materiais e descoberta de medicamentos, que envolvem problemas de otimização muito complexos".

Por fim, o Prof. Kawahara observa que deseja promover a implementação de seus resultados para resolver problemas reais da sociedade. Seu grupo espera se envolver em pesquisas conjuntas com empresas e trazer sua abordagem para o núcleo da tecnologia de design de semicondutores, abrindo portas para o renascimento dos semicondutores no Japão. + Explorar mais

Um novo processador que resolve problemas matemáticos notoriamente complexos