¿Serán los ordenadores probabilísticos la solución a las nuevas necesidades informáticas? El auge de la inteligencia artificial (IA) y el aprendizaje automático (ML) ha creado una crisis en la informática y una necesidad significativa de más hardware que sea escalable y de bajo consumo.
Un paso clave tanto en AI como en ML es tomar decisiones basadas en datos incompletos, cuyo mejor enfoque es generar una probabilidad para cada respuesta posible. Los ordenadores clásicos actuales no pueden hacer eso de una manera eficiente en energía, una limitación que ha llevado a la búsqueda de enfoques novedosos para la computación.
Las computadoras cuánticas, que funcionan con qubits, pueden ayudar a enfrentar estos desafíos, pero son extremadamente sensibles a su entorno, deben mantenerse a temperaturas extremadamente bajas y aún se encuentran en las primeras etapas de desarrollo.
El profesor Kerem Camsari, experto en ingeniería eléctrica e informática, en la Universidad de California en Santa Barbara, y principal autor del estudio que aparece en Nature Electronics, opina que los ordenadores probabilísticos (p-computers) son la solución.
Funcionan con bits probabilísticos (bits p), que interactúan con otros bits p en el mismo sistema. A diferencia de los bits de los ordenadores clásicos, que están en estado 0 ó 1, o los qubits, que pueden estar en más de un estado a la vez, los bits p fluctúan entre posiciones y funcionan a temperatura ambiente.
El laboratorio del profesor Camsari tiene como objetivo explotar características únicas de nuevos materiales y fenómenos para diseñar y experimentar prototipos de circuitos y arquitecturas electrónicos eficientes.
Su filosofía es que ese enfoque interdisciplinario que conecta materiales, dispositivos y circuitos, con arquitecturas y algoritmos, es esencial en la nueva era de la electrónica que estará impulsada por sistemas heterogéneos en contextos específicos de dominio.
Ordenadores probabilísticos con p-bits
Esto está en marcado contraste con la era impulsada por la Ley de Moore que consistía en optimizar y mejorar un solo dispositivo, el transistor de efecto de campo, para ofrecer sistemas informáticos más potentes.
Como explica este investigador, “demostramos que las computadoras inherentemente probabilísticas, construidas a partir de p-bits, pueden superar el software de última generación que ha estado en desarrollo durante décadas”.
El grupo de Camsari colaboró con científicos italianos de la Universidad de Messina, así como con Luke Theogarajan, vicepresidente del departamento ECE de la Universidad de California en Santa Bárbara, y con el profesor John Martinis, quien dirigió el equipo que construyó el primer ordenador cuántico.
Este equipo consiguió resultados prometedores utilizando hardware clásico para crear arquitecturas específicas de dominio. Desarrollaron una máquina única Sparse Ising (SIM), que definen como un innovador ingenio informático para resolver problemas de optimización y minimizar el consumo de energía.
El profesor Camsari describe el SIM como “una colección de bits probabilísticos que pueden considerarse como personas. Y cada persona tiene solo un pequeño grupo de amigos de confianza, que son las conexiones escasas en la máquina”.
En este sentido, añade que “las personas pueden tomar decisiones rápidamente porque cada uno tiene un pequeño grupo de amigos de confianza y no tienen que escuchar a todos en una red completa. El proceso mediante el cual estos agentes llegan a un consenso es similar al utilizado para resolver un problema de optimización difícil que satisface muchas restricciones diferentes. Las máquinas Sparse Ising nos permiten formular y resolver una amplia variedad de problemas de optimización utilizando el mismo hardware”.
“Imagine un chip de computadora que le permita programar las conexiones entre p-bits en una red sin tener que fabricar un nuevo chip”, señala el profesor Camsari.
Decisión inteligente en cambios por segundo
Los investigadores demostraron que su arquitectura dispersa en una matriz de puertas programables en campo (FPGA) era hasta seis órdenes de magnitud más rápida y había aumentado la velocidad de muestreo de cinco a 18 veces más rápido que los logrados por los algoritmos optimizados utilizados en los ordenadores clásicos.
Además, informaron que su SIM logra un paralelismo masivo donde los cambios por segundo, la cifra clave que mide la rapidez para que un ordenador p puede tomar una decisión inteligente, se escala linealmente con la cantidad de p-bits. Con esta explicación Camsari se refiere a la analogía de los amigos de confianza que intentan tomar una decisión.
En este sentido, destaca que “la cuestión clave es que el proceso de llegar a un consenso requiere una comunicación sólida entre las personas que hablan continuamente entre sí, en función de sus ideas más recientes. Si todos toman decisiones sin escuchar, no se puede llegar a un consenso y el problema de optimización no se resuelve”.
En otras palabras, cuanto más rápido se comunican los p-bits, con más celeridad se puede llegar a un consenso, por lo que es crucial aumentar los saltos por segundo, mientras se asegura que todos se escuchen entre sí.
“Esto es exactamente lo que logramos en nuestro diseño. Al asegurarnos de que todos se escuchen y limitar la cantidad de personas que podrían ser amigos entre sí, paralelizamos el proceso de toma de decisiones”, afirma este investigador.
Su trabajo también mostró la capacidad de escalar computadoras p hasta 5.000 bits p, lo que Camsari considera extremadamente prometedor, al tiempo que señala que sus ideas son solo una pieza del rompecabezas de la computadora p.
Optimización de los ordenadores probabilísticos
Camsari reconoce que estos resultados fueron la punta del iceberg. “Utilizamos -añade- la tecnología de transistores existente para emular nuestras arquitecturas probabilísticas, pero si se emplearan nanodispositivos con niveles mucho más altos de integración para construir computadoras p, las ventajas serían enormes. Esto es lo que me está haciendo perder el sueño”.
Una computadora p de 8 bits p que Camsari y sus colaboradores construyeron durante su tiempo como estudiante de posgrado e investigador postdoctoral, en la Universidad de Purdue, demostró inicialmente el potencial del dispositivo. Su artículo, publicado en 2019 en Nature, describía una reducción de 10 veces en la energía y una disminución de 100 veces en la huella de área que requería en comparación con una computadora clásica.
La financiación inicial, proporcionada en otoño de 2020 por el Instituto de Eficiencia Energética de ese campus, permitió a Camsari y Theogarajan llevar la investigación de la computadora p un paso más allá.
“Los hallazgos iniciales, combinados con nuestros resultados más recientes, significan que puede ser posible la construcción de ordenadores p con millones de p-bits para resolver problemas de optimización o toma de decisiones probabilísticas con un rendimiento competitivo”, termina diciendo el profesor Camsari.
