東北大學研究生小林奎鬥（工學研究科）、金井駿副教授（電氣通信研究所）、大野英男教授、深見俊輔教授（電氣通信研究所）等人與美國加利福尼亞大學聖塔芭芭拉分校Kerem Y. Camsari博士、意大利梅西納大學Giovanni Finocchio博士等人共同構建了基於機率論的計算機，能解決傳統計算機不擅長而量子計算機擅長的問題，實現了比傳統計算機高約5個數規模的運算性能和低約1個數規模的耗電能。深見教授表示:「以實用化為目標的技術課題能在5～10年内得到解決。希望實現能用於邊緣計算領域。」有關研究内容已在美國召開的IEDM (International Electron Devices Meeting)上發表。
深見俊輔教授
要想實現活用人工智慧、IoT、DX、大數據等技術的社會，就需要比以往更高的運算性能。但是，如果用目前的計算機來提高運算性能，將消耗巨大的能源，難以達成碳中和這一應對全球變暖的目標。
為此，科研人員正加緊研發利用量子計算機來解決傳統計算機需要大量計算量和計算時間才能解決的問題；另一方面，與量子計算機有著不同概念的新型計算機的研發也在不斷推進之中。
機率計算機（P計算機）就是其中之一。量子計算機由通過0狀態和1狀態的疊加來表達資訊的量子位構成，與此相同，P計算機由每時每刻都機率性地輸出0和1來表達資訊的機率位（P位元位）構成。
在處理從大量的選項中尋找能較好滿足條件的候選（組合最適化問題）、大量輸出在某個條件下可能發生的現象（抽樣）、學習複雜數據背後的規則和模式（機器學習）等問題時，經常會使用到機率演算法，但由於機率演算法和用0和1明確表達資訊並依次處理的傳統計算機在本質上相容性較差，在計算上會花費較多電力。
2019年，東北大學和美國普渡大學的研究團隊利用狀態會因自然熱量而機率性更新的自旋電子器件構建了P位元位，並用其證實了P計算機的原理。該研究構建了一個由8個P位元位組成的小規模原理實證系統，證實了最大到945的整數因數分解。2022年2月還報告了使用5個P位元位的機器學習原理實證結果。
此次，研究團隊將機率運動的自旋電子器件和可程式設計半導體電路（FPGA）相結合，實現了規模較此前研究大幅擴大的P計算機。然後利用組合最適化問題的演算法，成功對以52193789為代表的各種整數進行了因數分解，比以往的研究高出了5位數。
此次研究的關鍵點在於把由機率運動的自旋電子器件構成的高性能P位元位與可進行大規模運算的FPGA相結合的做法。FPGA上可模擬實現最多7085個P位元位，通過利用自然熱量，用不消耗電力即可更新狀態的自旋電子P位元位來驅動，從而實現了高性能計算。也就是說，利用自旋電子器件，將此前低性能的偽隨機數發生器轉變為高性能的隨機數發生器，使高性能計算成為可能。
此外，研究團隊還測量了使用自旋電子器件的P計算機的運算性能和耗電能，並與傳統計算機用機率演算法運算時的情況進行了比較。結果顯示，以實測值為基準，採用FPGA的P計算機發揮出運算106.28 flips/ns耗電32.72w的性能。與傳統計算機相比，耗電能降低了約三分之一到十分之一，運算性能則提高了約兩倍到十倍。此外，利用東北大學研發的超高速、可根據熱量更新狀態的自旋電子器件等製作專用積體電路，能以20w耗電能實現100萬flips/ns的運算。運算性能再提高4個數規模，耗電能再降低約40%，可獲得運算性能超傳統計算機約5個數規模、耗電能低約1個數規模的特性。
深見教授表示：「為了在專用積體電路中實際實現上述預測特性，還需要在材料、器件、電路、架構、演算法等多個層面攻克若干技術課題。希望以此實現還未曾有過的超高性能省電計算機。」
原文：《科學新聞》
翻譯：JST客觀日本編輯部
【論文資訊】
雜誌：IEEE International Electron Devices Meeting (IEDM)
論文：Experimental evaluation of simulated quantum annealing with MTJ-augmented p-bits
URL：www.tohoku.ac.jp/en/press/scaledup_spintronic_probabilistic_computer.html
