Hullámok hátán: a termikus zaj kihasználása
Stephen Whitelam, a Berkeley Nemzeti Laboratórium kutatója a hagyományos számítógépeket egy óceánjáróhoz hasonlította, amely áttör minden akadályon – hatékonyan, de drágán. A termikus zajon működő számítás inkább egy apró motorcsónakra vagy hullámlovasra emlékeztet – sokkal kisebb erővel, ám a zaj erejét kihasználva mozog.
A szokásos informatikában minden bit vagy 0, vagy 1. Az utóbbi években viszont egyre több kutatás utal arra, hogy valószínűségekkel számolva hatékonyabbá és energiahatékonyabbá válik a számítás, különösen azoknál a problémáknál, ahol az optimumot kell megtalálni – például minimális energia- vagy erőforrásigény mellett a lehető legtöbb utcát bejárni.
A termodinamikai számítógépet így a valószínűségi számításokhoz lehet sorolni: az energiafluktuációkat – a termikus zajt – használja fel a számítási folyamatokhoz.
Képgenerálás új technikával
Egy New York-i kutatócég, a Normal Computing olyan áramköri hálózatot hozott létre, amely már közelít a valódi termodinamikai számítógéphez. Itt a kapcsolódó áramkörök energiafelvétele már megközelíti a termikus zaj szintjét. A rendszerbe adott feszültség szétosztódik a különböző pontok (csomópontok) között, majd az értékek visszaállnak egyensúlyi helyzetbe, amint a feszültséget megszüntetik.
Az egyensúly elérése után a zaj továbbra is apró rezgéseket, változásokat idéz elő, de ennek formáját irányíthatja a kapcsolatok erőssége. Így programozható, hogy milyen kérdésre válaszoljanak ezek a zajalapú ingadozások – például megoldják az alapvető algebrai feladatokat.
Az ilyen rendszer azonban főként egyféle problématípusra jó. Whitelam felvetette: ha eltávolodnánk az egyensúlyi helyzettől, új számítási típusokat valósíthatnánk meg, s talán gyorsabban is. Ekkor merült fel benne a diffúziós modellek alkalmazása, amelyek során egy képet zajjal elmosnak, majd egy neurális hálózat megtanulja visszafordítani ezt a folyamatot. Minél többet tanul ilyen elmosódott képek visszaállításából, annál több új képet tud előállítani teljesen véletlenszerű zajból is.
Matematikai alapok és új lehetőségek
A jelentős zaj hatását régóta ismert matematikai képletek, például a Langevin-egyenlet írja le, amely már 1908 óta használatos. Ezt módosítva kiszámolható annak valószínűsége, hogy egy képpont (pixel) hibás színt vesz fel, amikor a zaj hatásának tesszük ki a képet. Ezután meghatározható, mekkora kapcsolaterősség szükséges ahhoz, hogy a rendszer visszaállítsa az eredeti képet, fokozatosan csökkentve a zajt. Ezzel a módszerrel Whitelam már digitálisan is képes volt visszaállítani számjegyeket (pl. 0, 1 és 2) egy elmosódott képből, sőt, újfajta képek generálása is lehetővé vált.
Shelbaya Zainulabeen, a Quantum Dice igazgatója szerint a fejlesztés áttörést jelent, hiszen a hagyományos technológiák egyre nehezebben tartják a tempót az egyre nagyobb MI-modellek igényeivel. A kvantumalapú véletlenszám-generátorokat készítő cége már most is probabilisztikus hardvereket fejleszt. Kiemelte: a fizikai alapokra épülő új megközelítés sokkal jobban magyarázza a tanulási folyamatokat, mint a hagyományos, átláthatatlan („fekete doboz”) modellek.
Mi várható a termodinamikai számítógépektől?
Bár messze van még a három számjegy felismerése a modern generatív MI bonyolultságától, az új módszer még gyermekcipőben jár. Whitelam szerint a gépi tanulás története is apró lépésekből épült fel, aztán elérkezett a nagy áttörés. Most a fő kérdés, hogy vajon a termodinamikai hardver – akár elméleti szinten is – képes-e egyszer ekkora fejlődésre. Emiatt a kutatók kíváncsian várják, meddig juthat az új technológia az MI-t utánozó rendszerek világában.
