东北大学和加州大学圣巴巴拉分校的研究人员推出了概率计算机原型。该原型可采用近期技术制造，将互补金属氧化物半导体(CMOS)电路与有限数量的随机纳米磁体相结合，创建异构概率计算机。
开发能够有效执行人工智能和机器学习中常用的概率算法的计算机是科学家长期以来一直寻求克服的挑战。这项工作中概述的方法为解决这个问题提供了一种有前途且可行的解决方案，研究人员确认其卓越的计算性能和能源效率超越了当前的CMOS技术。
最近的人工智能和机器学习对社会产生了变革性的影响。在此类技术中，概率算法用于解决固有不确定性或精确解决方案在计算上不可行的问题。这些操作遵循CMOS电路内的特定指令，但有时软件(指令)和硬件(电路)的协同工作方式存在不一致，从而导致结果的差异。
随着人工智能和机器学习的作用不断扩大，人们强烈需要一种新的计算范式来协调这种不匹配，实现更高的复杂性，同时显着降低能耗。
在这项研究中，东北大学的研究生KeitoKobayashi和ShunsukeFukami教授，以及加州大学圣塔芭芭拉分校的KeremCamsari博士及其同事，开发了一种近期异构版本的概率计算机，专为执行概率计算而设计。算法和简易制造。
Fukami表示：“我们构建的原型表明，通过在确定性CMOS电路中驱动伪随机数生成器，并使用有限数量的随机纳米磁体生成的物理随机数，可以实现出色的计算性能。”“具体来说，具有随机磁隧道结(s-MTJ)的有限数量的概率位(p位)应该可以通过近期的集成技术来制造。”
研究人员还澄清，自旋电子概率计算机的最终形式主要由s-MTJ组成，与之前的计算机相比，面积将减少四个数量级，能耗将减少三个数量级。运行概率算法时当前的CMOS电路。
最终，Fukami和他的同事的原型解决了当前人工智能和机器学习的确定性CMOS电路的局限性。Fukami补充道：“我们预计未来的研究和开发将会取得进展，从而使具有卓越计算性能和节能能力的创新计算硬件在社会中得到应用。”