CMOS + stochastic nanomagnets: heterogeneous computers for probabilistic inference and learning

要約

タイトル: 確率的推論と学習のための異種コンピュータ: CMOS + 確率的ナノマグネット
要約:
– CMOSトランジスタに新興のナノテクノロジーを組み合わせることで、モーアの法則を拡張することはますます重要になっています。
– CMOS + Xテクノロジーを用いたモンテカルロアルゴリズムの加速は、確率的な機械学習、最適化、量子シミュレーションなど、多くの分野に重大な影響を与える可能性がある。
– この論文では、確率的磁気トンネルジャンクション（sMTJ）ベースの確率的ビット（p-bits）と汎用性の高いフィールドプログラマブルゲートアレイ（FPGA）を組み合わせたCMOS + X（X = sMTJ）プロトタイプを設計することを示しています。
– 当社のアプローチにより、モンテカルロベースの確率的サンプリングと学習に必要な高品質の真のランダム性が実現されます。
– 異種コンピュータは、sMTJsのデバイス間の差異にもかかわらず、確率的な推論と非同期ボルツマン学習を成功裏に行います。
– CMOS予測プロセスデザインキット（PDK）を使用した包括的な比較では、コンパクトなsMTJベースのp-bitsが、10,000個のトランジスタを置換し、デジタルCMOS p-bitsと比較して2 fJ（ランダムビットあたり）のエネルギーを消費することがわかりました。
– 当社のCMOS + 確率的ナノマグネットアプローチのスケールアップと統合版は、極めて高いスループットとエネルギー効率で、大量の並列真のランダム数を提供することにより、確率的コンピューティングとその様々な領域の応用を大きく前進させることができます。

要約(オリジナル)

Extending Moore’s law by augmenting complementary-metal-oxide semiconductor (CMOS) transistors with emerging nanotechnologies (X) has become increasingly important. Accelerating Monte Carlo algorithms that rely on random sampling with such CMOS+X technologies could have significant impact on a large number of fields from probabilistic machine learning, optimization to quantum simulation. In this paper, we show the combination of stochastic magnetic tunnel junction (sMTJ)-based probabilistic bits (p-bits) with versatile Field Programmable Gate Arrays (FPGA) to design a CMOS + X (X = sMTJ) prototype. Our approach enables high-quality true randomness that is essential for Monte Carlo based probabilistic sampling and learning. Our heterogeneous computer successfully performs probabilistic inference and asynchronous Boltzmann learning, despite device-to-device variations in sMTJs. A comprehensive comparison using a CMOS predictive process design kit (PDK) reveals that compact sMTJ-based p-bits replace 10,000 transistors while dissipating two orders of magnitude of less energy (2 fJ per random bit), compared to digital CMOS p-bits. Scaled and integrated versions of our CMOS + stochastic nanomagnet approach can significantly advance probabilistic computing and its applications in various domains by providing massively parallel and truly random numbers with extremely high throughput and energy-efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI