硬件求解器架构制造技术

一种用于估计优化函数的变量的向量值的系统，该函数包括变量之间的相互作用的加权和；该系统包括多个并行硬件通道，每个并行硬件通道被布置为对相应变量对函数的贡献建模，每个通道包括：信号生成器，被配置为生成对相应变量的值建模的信号；分路器，被布置为向每个通道提供信号；相互作用逻辑，被配置为将信号向量乘以对相应变量和变量的向量之间的相互作用建模的权重向量，从而生成表示相应变量的贡献的反馈信号；以及反馈路径，用于将反馈信号返回到信号生成器，该信号生成器被配置为取决于反馈信号来调整信号，其中每个通道仅使用光学部件和/或模拟电子部件来实现。用光学部件和/或模拟电子部件来实现。用光学部件和/或模拟电子部件来实现。

【技术实现步骤摘要】
【国外来华专利技术】硬件求解器架构

技术介绍

[0001]物流、金融投资组合管理、药物发现、以及其他应用领域中的许多问题都需要以优化目标为目的为其输入(通常称为变量)分配值。例如，这种问题包括“组合优化问题”。与其他优化领域不同，组合优化涉及变量从有限集中取值的问题。例如，从有限集(例如，挑选三个可用路线中的一个)，或者通常从整数的有限子集进行有效分配可以是二元的(例如，是否进行投资)。在这种问题中，有一组有限的方法以用于组合每个变量的值。原则上，可以枚举所有可能的组合并找到最优分配。然而，在实践中，这种穷尽的搜索对于即使是中等规模的问题也不可行，因为组合集非常大(变量的数量呈指数级)。
[0002]为了理解这种问题的结构，人们进行了大量的工作。组合优化问题的子集属于被称为NP完全的问题类别(其中NP代表非确定性多项式)。NP完全是计算复杂性理论中已知的概念，并且所有NP完全问题都可以转化为任何其他的NP完全问题。针对任何NP完全问题的高效求解器，隐含了任何NP完全问题都可以被高效地求解。所有的NP完全问题也属于这些问题的被称为“NP
‑
hard”的更大子集，其中所有NP
‑
hard问题也可以被转化成所有的其他NP
‑
hard问题。
[0003]在这种情况下，术语“高效”意味着在不枚举所有可能性的情况下找到该问题的解。具体而言，本文描述的图优化的高效解决方案是一种解决方案，凭此找到解所花费的时间量与问题的变量(诸如图顶点)的数量呈多项式缩放，而枚举所有可能的解则与问题的变量数呈指数关系。然而，人们普遍认为，这种高效求解器根本不存在。相反，该领域的工作重点是设计算法以找到“足够好”的解；通常，无法保证这种近似算法确实会提供足够接近精确解的答案。
[0004]存在大量的组合优化问题，并且如上所述，NP完全问题可以被转化为其他NP完全问题。例如，旅行销售商问题被定义如下：对于给定的一组城市和城市之间的成对距离，该问题是找到一条经过所有城市的路径，其中每个城市恰好被访问一次，使得该路径具有最短的总长度。
[0005]组合优化问题的一般形式可以被定义为所谓的二次无约束二元优化(quadratic unconstrained binary optimization，QUBO)问题，其由一组二元变量V＝{v1，v2，...v
N
}(每个变量取0或1的值)和公式∑
i
∑
j
Q
ij
·
v
i
·
v
j
定义(其中系数Q
ij
定义变量v
i
和v
j
之间的相互作用)。通过将变量定义为每个可能访问的城市之间的路径中的位置(例如，第一变量可以指示伦敦是否是第一个访问的城市)，并且城市之间的距离被编码在矩阵Q中，使得总距离在所有城市刚好都被访问一次的约束下得以最小化，旅行销售商问题可以被表述为QUBO问题。QUBO是一种多项式无约束二元优化(polynomial unconstrained binary optimization，PUBO)问题，其将值分配给一组二元变量V＝{v1，v2，...，v
N
}，从而最小化公式其中在这种情况下，系数Q可以对任意数量的变量之间的相互作用进行编码。如上面所提及，NP
‑
hard问题的不同表述之间可以进行转化。通过在公式中引入辅助变量和项，可以将PUBO问题转化为QUBO问题。
[0006]被称为伊辛模型(Ising model，在物理学中被用于模拟铁磁性和其他物理过程)
的表达方式相当于上面定义的QUBO问题。伊辛模型按照其变量可以存在于两个离散状态中的物理系统来描述，其中这些变量可以彼此相互作用，并且该系统的总能量由下式给出：H(σ)＝
‑
∑
i，j
J
ij
σ
i
σ
j
‑
μ∑
i
h
i
σ
i
。在伊辛表达方式中，二元变量(有时被称为“自旋”)通常被分配给+1/
‑
1之一，而不是1/0或任何其他二元分配。然而，通过应用公式：σ
i
＝2v
i
‑
1，伊辛表达方式可以轻松地被映射到布尔变量的QUBO表达方式。
[0007]注意，上面使用的记号在QUBO和伊辛公式之间略有不同，对于伊辛模型，要分配的变量由σ表示，而相互作用系数由J表示。为简单起见，在本应用中，符号σ将被用于为其分配了值的变量，而J将被用于标示伊辛求解器上下文中的相互作用系数阵列。然而，Q和v在本文中通常还可以分别标示权重矩阵和变量。
[0008]上面的总能量表达式中的第二项
‑
μ∑
i
h
i
σ
i
表示外部“场”的影响或对被建模系统的一些外部影响。例如，在铁磁材料中，第一项表示磁偶极子之间相互作用的能量贡献，而第二项表示由于外部磁场而产生的系统能量。许多问题都被建模为没有外场的伊辛问题，因为在没有外场的情况下解决伊辛问题要简单得多。然而，通过引入额外自旋和仔细选择了权重的附加边，可以将有外场的问题转换为没有外场的问题。下面的描述中被称为伊辛问题的任何问题或模型都假设没有外场，或者问题已经被转换为没有外场的问题。
[0009]直到最近，组合优化算法通常在数字硬件中被实现，诸如商用CPU、FPGA、GPU和ASIC。数字硬件在灵活性(即，对不同算法进行编程的能力)和可靠性方面具有巨大优势。然而，数字解决方案也受到执行速度和功耗的限制。过去，对于每一代数字硬件，都可以实现计算能力的提高和功耗的降低。人们普遍预测，随着接近基本物理极限，提高数字硬件的性能将变得越来越困难。寻找组合优化问题的更好答案或解决这些问题的更大实例将需要更高的硬件成本。
[0010]然而，最近，已经尝试使用基于非数字物理过程的硬件来解决这种问题。用物理过程实现伊辛模型的一种受欢迎方式是使用量子退火器。在现有系统中，问题变量由量子位表示，取值+1和
‑
1，通常称之为“自旋”。然而，这种拓扑不允许完全连接。相反，量子位在由多组连接的单位单元组成的架构中互连，每个单位单元具有经由耦合器连接到四个垂直量子位的四个水平量子位。单位单元垂直和水平地平铺并与相邻的量子位相连，形成稀疏连接的量子位的晶格。该架构的有限连接性会产生不良影响，导致问题变量向自旋中表示的效率低下，即，物理系统表示问题所需的量子位数远高于原始变量数。
[0011]由于量子退火机硬件固有的物理限制，受量子物理属性的启发，开发了可以在经典硬件中运行的算法。例如，Microsoft Azure已经开发了量子启发优化(Quantum Inspired Optimization，QIO)算法，该算法在近似PUBO问题方面表现出良好的前景。
[0012]本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于估计优化函数的变量的向量的值的系统，所述函数包括多个项的加权和，每个项包括来自所述向量的所述变量的对应子集的乘积，并且每个项被来自对所述变量之间的相互作用建模的权重矩阵的对应权重加权；其中所述系统包括被布置为彼此同时操作的多个并行硬件通道，每个并行硬件通道被布置为对所述变量中的相应一个变量对所述函数的贡献建模，所述并行通道中的每个并行通道包括：相应信号生成器，被配置为生成具有对所述相应变量的值建模的调制属性的相应建模信号；相应分路器，被布置为向所述并行通道中的每个并行通道提供所述相应建模信号的实例，使得每个通道接收对所述变量的向量建模的信号向量；相应相互作用逻辑，包括相应向量乘法器，所述相应向量乘法器被配置为使接收到的所述信号向量乘以来自对所述相应变量与所述变量的向量之间的相互作用建模的所述权重矩阵的相应权重向量，所述相互作用逻辑由此生成相应反馈信号，所述相应反馈信号表示由所述相应通道建模的所述相应变量的所述贡献；以及相应反馈路径，被布置为将所述反馈信号返回到所述相应信号生成器，其中所述相应信号生成器被配置为根据所述反馈信号来调整所述相应建模信号；其中包括每个通道中的所述相应信号生成器、分路器、相互作用逻辑和反馈路径的每个通道，仅使用光学部件和/或模拟电子部件来实现。2.根据权利要求1所述的系统，其中所述变量中的每个变量都是二元的。3.根据权利要求1或2所述的系统，其中所述变量中的每个变量能够取正值或负值，并且所述函数包括以下形式的哈密顿算子：其中σ1…
N
是所述向量的所述变量，J
ij
是所述权重矩阵，i和j是枚举1和N之间的所述变量的实例的索引，并且Σ
i,j
表示被包括在所述函数中的变量的所有子集(σ
i
,σ
j
)的和；其中所述系统包括所述通道中的针对每个i的相应一个通道，并且所述相应向量乘法器被配置为执行乘法∑
j
σ
j
·
J
ij
，从而对σ
i
针对所述函数的相应贡献建模；以及其中所述信号生成器被配置为通过执行所述建模信号的调整以便最小化所述哈密顿算子的能量，来优化所述函数。4.根据权利要求3所述的系统，其中所述正值和负值是+1/2和
‑
1/2，或者+1和
‑
1。5.根据权利要求2所述的系统，其中所述变量中的每个变量是布尔值，并且所述函数包括以下形式的二次无约束二元优化QUBO问题：其中v1…
N
是所述向量的所述变量，Q
ij
是所述权重矩阵，i和j是枚举1和N之间的所述变量的实例的索引，而Σ
i,j
表示被包括在所述函数中的变量的所有子集(v
i
,v
j
)的和；其中所述系统包括所述通道中针对每个i的相应一个通道，并且所述相应向量矩阵乘法器被配置为执行乘法∑
j
v
j
·
Q
ij
，从而对v
i
针对所述函数的相应贡献建模；以及
其中所述信号生成器被配置为：通过执行所述建模信号的调整以便最小化所述函数来优化所述函数。6.根据前述权利要求中任一项所述的系统，其中在每个通道中...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：