پژوهشگران Tohoku University و University of California, Santa Barbara (UCSB)، با همکاری TSMC توانسته‌اند نخستین طراحی «کاملاً دیجیتال» برای قطعات p‑bit ارائه دهند بدون نیاز به مبدّل دیجیتال به آنالوگ (DAC) یا مدار آنالوگ. این پیشرفت می‌تواند محاسبات احتمالاتی را کارآمد، کم‌مصرف و مقیاس‌پذیر کند موضوعی مهم برای آینده هوش مصنوعی، بهینه‌سازی و محاسبات سنگین. 

زمینه و ضرورت

در سال‌های اخیر، رشد سریع کاربردهای هوش مصنوعی (AI)، به ویژه در حوزه‌هایی مثل بهینه‌سازی، مدل‌سازی، یادگیری ماشین و مسائل پیچیده محاسباتی، نیاز به سخت‌افزارهایی دارد که بتوانند با مصرف انرژی کم، مقیاس بزرگ و سرعت بالا کار کنند. سیستم‌های فعلی مبتنی بر بیت‌های کلاسیک در بسیاری از این موارد ناکارآمد‌اند.

یکی از رویکردهای نو ظهور، «رایانش احتمالاتی» (probabilistic computing) است که به جای بیت‌های ثابت (0 یا 1)، از واحدهایی به نام p‑bit استفاده می‌کند؛ p‑bitها بطور طبیعی بین 0 و 1 در نوسان‌اند و می‌توانند حالات مختلف را «به‌صورت آماری» بررسی کنند مناسب برای مسائل پیچیده با فضای حالاتی وسیع. 

چالش‌های گذشته

اما p‑bit‌های قدیمی معمولاً نیاز به قطعات آنالوگ و به‌خصوص مبدّل دیجیتال‑به‑آنالوگ (DAC) داشتند تا احتمال خروجی 0 یا 1 تنظیم شود. این مبدّل‌ها بزرگ، پرمصرف، گران و اصطلاحاً غیرقابل مقیاس شدن بودند یعنی پروژه برای تولید انبوه و کاربرد صنعتی مناسب نبود. 

نوآوری جدید: p‑bit دیجیتال بدون DAC

پژوهشگران Tohoku و UCSB با همکاری TSMC راهکاری نو ارائه دادند: p‑bit که کاملاً با مدارهای دیجیتال ساخته می‌شود بدون DAC و مدار آنالوگ. به جای آن، از دستگاهی به نام MTJ (magnetic tunnel junction) استفاده شده است که بطور طبیعی بین دو حالت مغناطیسی در نوسان است. سپس با یک مدار دیجیتال (دِیلی یا تأخیر) احتمال خروجی 0 یا 1 را کنترل می‌کنند.

ویژگی‌های این طراحی جدید:

• مقیاس‌پذیر است: می‌توان تعداد زیادی p‑bit را روی تراشه قرار داد بدون نیاز به کنترل متمرکز. 
• مصرف انرژی بسیار کمتر است: حذف مبدّل آنالوگ و مدارهای پرمصرف باعث صرفه‌جویی در انرژی و کاهش گرما می‌شود. 
• امکان اجرای «on‑chip annealing» وجود دارد: با تنظیم زمان‌بندی دقیق مدار، سیستم می‌تواند به صورت تدریجی پاسخ بهینه برای مسأله را پیدا کند مانند فرآیندهای بهینه‌سازی پیشرفته. 
• سازگاری با تولید صنعتی: طراحی دیجیتال با تکنولوژی‌های نیمه‌هادی مدرن (مثل آنچه TSMC استفاده می‌کند) سازگار است؛ یعنی امکان تولید انبوه وجود دارد. 

کاربردها و چشم‌انداز

این پیشرفت به این معناست که «رایانش احتمالاتی» که تاکنون بیشتر در آزمایشگاه و به صورت نظری بود می‌تواند وارد دنیای واقعی شود. از کاربردها:

• حل مسائل بهینه‌سازی پیچیده: مسائلی مثل برنامه‌ریزی منابع، مسیر‌یابی، لجستیک، طراحی شبکه جایی که فضای حالت عظیمی وجود دارد.
• شتاب الگوریتم‌های یادگیری ماشین و AI: مدل‌های probabilistic AI که نیاز به نمونه‌گیری یا جستجوی گسترده دارند.
• شبیه‌سازی علمی و محاسبات پیچیده: مثل فیزیک، شیمی کوانتومی، تحلیل داده‌های بسیار بزرگ.
• کاهش هزینه و انرژی مراکز داده: استفاده از سخت‌افزار کم‌مصرف‌تر برای هوش مصنوعی و دیتا سنترها.

جمع‌بندی

پیشرفت جدید در طراحی p‑bit دیجیتال، امکان ساخت سخت‌افزارهای هوشمند، سریع، کم‌مصرف و مقیاس‌پذیر برای AI و محاسبات پیچیده را به واقعیت نزدیک‌تر کرده است. اگر این فناوری به تولید انبوه برسد، می‌تواند انقلابی در زیرساخت‌ هوش مصنوعی و محاسبات به پا کند از شتاب یادگیری ماشین تا حل مشکلات بهینه‌سازی پیچیده و کاهش مصرف انرژی در دیتاسنترها.