Machine Learning Quantum Systems with Magnetic p-bits

要約

人工知能 (AI) アルゴリズムのコンピューティング ワークロードが急増し続ける中、ムーアの法則の減速が危機を引き起こしています。
AI アルゴリズムとアプリケーションの固有の要件を満たす、スケーラブルでエネルギー効率の高いハードウェアが緊急に必要とされています。
この環境では、p ビットを使用した確率的コンピューティングが、スケーラブルでドメイン固有のエネルギー効率の高いコンピューティング パラダイムとして登場し、特に確率的アプリケーションやアルゴリズムに役立ちます。
特に、確率的磁気トンネル接合 (sMTJ) などのスピントロニクス デバイスは、統合型 P コンピューターの設計において大きな期待を集めています。
ここでは、このような磁性 p ビットを備えたスケーラブルな確率コンピュータが、機械学習と量子物理学を組み合わせた新興分野にどのように役立つかを検証します。

要約(オリジナル)

The slowing down of Moore’s Law has led to a crisis as the computing workloads of Artificial Intelligence (AI) algorithms continue skyrocketing. There is an urgent need for scalable and energy-efficient hardware catering to the unique requirements of AI algorithms and applications. In this environment, probabilistic computing with p-bits emerged as a scalable, domain-specific, and energy-efficient computing paradigm, particularly useful for probabilistic applications and algorithms. In particular, spintronic devices such as stochastic magnetic tunnel junctions (sMTJ) show great promise in designing integrated p-computers. Here, we examine how a scalable probabilistic computer with such magnetic p-bits can be useful for an emerging field combining machine learning and quantum physics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google