东北大学研究生小林奎斗（工学研究科）、金井骏副教授（电气通信研究所）、大野英男教授、深见俊辅教授（电气通信研究所）等人与美国加利福尼亚大学圣塔芭芭拉分校Kerem Y. Camsari博士、意大利梅西纳大学Giovanni Finocchio博士等人共同构建了基于概率论的计算机，能解决传统计算机不擅长而量子计算机擅长的问题，实现了比传统计算机高约5个数量级的运算性能和低约1个数量级的耗电量。深见教授表示:“以实用化为目标的技术课题能在5～10年内得到解决。希望实现能用于边缘计算领域。”有关研究内容已在美国召开的IEDM (International Electron Devices Meeting)上发表。
深见俊辅教授
要想实现活用人工智能、IoT、DX、大数据等技术的社会，就需要比以往更高的运算性能。但是，如果用目前的计算机来提高运算性能，将消耗巨大的能源，难以达成碳中和这一应对全球变暖的目标。
为此，科研人员正加紧研发利用量子计算机来解决传统计算机需要大量计算量和计算时间才能解决的问题；另一方面，与量子计算机有着不同概念的新型计算机的研发也在不断推进之中。
概率计算机（P计算机）就是其中之一。量子计算机由通过0状态和1状态的叠加来表达信息的量子位构成，与此相同，P计算机由每时每刻都概率性地输出0和1来表达信息的概率位（P比特位）构成。
在处理从大量的选项中寻找能较好满足条件的候选（组合优化问题）、大量输出在某个条件下可能发生的现象（抽样）、学习复杂数据背后的规则和模式（机器学习）等问题时，经常会使用到概率算法，但由于概率算法和用0和1明确表达信息并依次处理的传统计算机在本质上兼容性较差，在计算上会花费较多电力。
2019年，东北大学和美国普渡大学的研究团队利用状态会因自然热量而概率性更新的自旋电子器件构建了P比特位，并用其证实了P计算机的原理。该研究构建了一个由8个P比特位组成的小规模原理实证系统，证实了最大到945的整数因数分解。2022年2月还报告了使用5个P比特位的机器学习原理实证结果。
此次，研究团队将概率运动的自旋电子器件和可编程半导体电路（FPGA）相结合，实现了规模较此前研究大幅扩大的P计算机。然后利用组合优化问题的算法，成功对以52193789为代表的各种整数进行了因数分解，比以往的研究高出了5位数。
此次研究的关键点在于把由概率运动的自旋电子器件构成的高性能P比特位与可进行大规模运算的FPGA相结合的做法。FPGA上可模拟实现最多7085个P比特位，通过利用自然热量，用不消耗电力即可更新状态的自旋电子P比特位来驱动，从而实现了高性能计算。也就是说，利用自旋电子器件，将此前低性能的伪随机数发生器转变为高性能的随机数发生器，使高性能计算成为可能。
此外，研究团队还测量了使用自旋电子器件的P计算机的运算性能和耗电量，并与传统计算机用概率算法运算时的情况进行了比较。结果显示，以实测值为基准，采用FPGA的P计算机发挥出运算106.28 flips/ns耗电32.72w的性能。与传统计算机相比，耗电量降低了约三分之一到十分之一，运算性能则提高了约两倍到十倍。此外，利用东北大学研发的超高速、可根据热量更新状态的自旋电子器件等制作专用集成电路，能以20w耗电量实现100万flips/ns的运算。运算性能再提高4个数量级，耗电量再降低约40%，可获得运算性能超传统计算机约5个数量级、耗电量低约1个数量级的特性。
深见教授表示：“为了在专用集成电路中实际实现上述预测特性，还需要在材料、器件、电路、架构、算法等多个层面攻克若干技术课题。希望以此实现还未曾有过的超高性能省电计算机。”
原文：《科学新闻》
翻译：JST客观日本编辑部
【论文信息】
杂志：IEEE International Electron Devices Meeting (IEDM)
论文：Experimental evaluation of simulated quantum annealing with MTJ-augmented p-bits
URL：www.tohoku.ac.jp/en/press/scaledup_spintronic_probabilistic_computer.html
