Il gruppo di ricerca di Spintronics dell’Università degli Studi di Messina, coordinato dal prof. Giovanni Finocchio, afferente al dipartimento MIFT, in collaborazione con il gruppo del prof. Kerem Çamsarı, University of California in Santa Barbara, ha realizzato il prototipo di una macchina di Ising con il paradigma computazionale noto come Probabilistic Computing per la risoluzione di una vasta gamma di problemi di ottimizzazione combinatoriale che sono importanti per applicazioni industriali (e.g. Industria 4.0) e della sicurezza.
I risultati più recenti sono stati pubblicati sulla rivista Nature Electronics (https://www.nature.com/articles/s41928-022-00774-2). L’articolo presenta due principali argomenti:
discute dell’efficacia dell’uso di codifiche che risultano in matrici sparse per problemi come la fattorizzazione e il maximum satisfiability (Max-SAT). I risultati suggeriscono che la sparsificazione porta ad un aumento delle prestazioni. Nel campo della fattorizzazione viene stabilito il record tra le macchine di Ising con la corretta fattorizzazione di un numero di 32-bit (il precedente miglior risultato si attestava attorno ai 20 bit).
discute dei vantaggi derivanti dall’aggiornare i probabilistic bit (p-bit) del sistema a blocchi piuttosto che in modo sequenziale in modo da poter fare uso di infrastrutture capaci di calcoli in parallelo (nell’articolo viene usata una FPGA) per aumentare drasticamente la velocità di aggiornamento del sistema. Il grafo rappresentante il problema può essere colorato e ogni colore può essere aggiornato simultaneamente.
Questo studio risulta di impatto per la sua generalità: infatti, nonostante nel caso in esame sia stato applicato specificatamente alle FPGA, l’argomentazione è altrettanto valida in qualunque tipo di architettura capace di parallelismo massivo.
Le attività svolte presso l’università di Messina sono state condotte da Andrea Grimaldi, studente di dottorato in Fisica del XXXVI ciclo e dal prof. Giovanni Finocchio, entrambi afferenti al dipartimento MIFT.