Новая магнитная вычислительная система может решать сложные задачи оптимизации

При разработке новых компьютерных чипов инженерам приходится принимать различные решения о том, как соединить базовые компоненты, эффективно используя ограниченное пространство. Планирование таких соединений предполагает комбинаторную оптимизацию, или, другими словами, поиск наилучшего сочетания вариантов в соответствии с определенными правилами.

Машины Изинга, вычислительные системы, основанные на математической модели, описывающей взаимодействующие магниты, могут быть перспективными для решения задач комбинаторной оптимизации. Эти системы представляют собой варианты выбора с использованием спинов, которые в данном контексте являются переменными, которые могут принимать одно из двух значений. Изменяя эти значения, машины Ising могут осуществлять поиск наилучшего сочетания вариантов для решения конкретных задач.

Исследователи из Университета Бэйхан, Сучжоуской компании Inston Technology Co. Ltd. и Empyrean Technology Co. Ltd. недавно разработали новую машину Ising, основанную на спинтронике - технологиях, которые используют магнитные свойства материалов для обработки или хранения информации. Новая машина, представленная в статье, опубликованной в журнале Nature Electronics, может решать сложные задачи комбинаторной оптимизации, включая планирование маршрутов подключения и назначение соединений различным уровням подключения в компьютерных чипах.

"Машины Ising, основанные на физике, являются аппаратной альтернативой традиционным архитектурам фон Неймана для решения задач комбинаторной оптимизации, требующих больших вычислительных затрат", - пишут Сай Ли, Ихао Чжан и их коллеги в своей статье.

"Они могут быть реализованы с использованием квантовых, оптических и электронных платформ, но скорость и масштабируемость принципиально ограничены физическими механизмами, управляющими динамикой их вращения. Мы представляем интегрированную в комплементарный металл-оксид–полупроводник спинтронную машину Изинга с субнаносекундными вероятностными обновлениями спина."

Новая система, разработанная исследователями, основана на магниторезистивной оперативной памяти - устройстве, которое хранит информацию в магнитных состояниях, которые можно отличить по их сопротивлению потоку электрического заряда. Память содержала 96 000 вращающихся элементов, каждый из которых мог представлять одно из двух состояний (+1 или -1).

"Мы используем эффект магнитной анизотропии, управляемой напряжением, в магниторезистивной оперативной памяти на 96 000 оборотов для достижения низких токов записи и настраиваемой (от 0% до 100%) вероятности переключения одного импульса с помощью широтно-импульсного управления", - пояснили авторы. "Такой подход обеспечивает скорость обновления результатов вращения от 0,3 до 1 нс и энергоэффективность менее 40 ФДЖ на одно вращение".

The researchers could control magnetic states in their device using electrical pulses. By applying electrical pulses of different durations, the team adjusted the probability that each tiny magnetic element would change state, ranging from 0%, meaning it would not switch, to 100%, meaning it would definitely switch.

The Ising machine developed by Li, Zhang and their colleagues could be used to tackle various combinatorial optimization problems. As part of their study, the researchers demonstrated its potential for planning wiring routes between chip components and deciding which wiring layers should carry different connections.

The researchers also assessed how efficiently the system could solve problems in relation to its electrical power consumption. They evaluated it using Max-cut benchmarks, mathematical tests that involve dividing a network into two groups to maximize the total value of connections between them.

"We illustrate the generality of this on-chip all-to-all Ising machine by solving industry-relevant combinatorial optimization problems in electronic design automation: global routing and layer assignment," wrote Li, Zhang and their colleagues. "Tested with Max-cut benchmark problems, our Ising machine can provide high-quality solutions with a system energy efficiency of 1.92 × 10⁵ solutions per second per watt."

Initial tests demonstrated the potential of the team's Ising machine for solving chip design problems and mathematical optimization tasks. In the future, the system could be improved further and tested on a wider range of complex combinatorial optimization tasks.

© 2026 Science X Network