Máy tính thần kinh "Eureka": Mô phỏng tư duy tự nhiên để giải quyết những bài toán hóc búa

Những bài toán tính toán khó khăn nhất hiện nay không chỉ đơn thuần chờ đợi những con chip xử lý nhanh hơn, mà chúng đang cần những cỗ máy có khả năng tính toán theo một cách thức hoàn toàn khác biệt.

Một nhóm nghiên cứu đa cơ quan, xuất phát từ các hội thảo kỹ thuật thần kinh tại Telluride (Colorado) và Bangalore (IISc), đã xây dựng thành công một máy tính thần kinh (neuromorphic computer). Máy này kết hợp vật lý hầm lượng tử với kiến trúc lấy cảm hứng từ não bộ để tìm ra giải pháp cho các bài toán toán học hóc búa. Công trình được công bố trên tạp chí Nature Communications, giới thiệu một hướng đi mới trong mảng tính toán cảm hứng từ lượng tử được xây dựng trên công nghệ CMOS.

Máy tính thần kinh Ising trên bo mạch FPGA

Giới hạn của AI truyền thống

Ngày nay, các mô hình AI có khả năng viết tiểu thuyết và thậm chí là điều khiển tàu vũ trụ. Tuy nhiên, nếu đặt chúng vào các bài toán về mạng lưới hậu cần, định tuyến vi mạch (microchip routing) hoặc khóa mật mã, chúng thường bị "tắc nghẽn".

Đây là những bài toán tổ hợp (combinatorial problems) – được coi là một trong những biên giới chưa được giải quyết quan trọng nhất trong lĩnh vực tính toán. Nghiên cứu mới đề xuất rằng một bộ mã hóa thần kinh (autoencoder) với bộ làm nguội Fowler-Nordheim có thể giải quyết các vấn đề này ở quy mô lớn, đồng thời đảm bảo hội tụ tiệm cận về giải pháp tối ưu.

Tư duy như tự nhiên

Thay vì chỉ đơn giản tính toán ra một giải pháp, máy tính thần kinh này thực hiện quá trình "tìm kiếm" giải pháp, tương tự như cách các quá trình tự nhiên điều hướng qua một bối cảnh năng lượng phức tạp để định hình vào trạng thái ổn định.

Minh họa nguyên lý hoạt động

Cụ thể, máy tính Ising thần kinh này được triển khai trên bo mạch FPGA. Nó có khả năng khám phá nhanh chóng các bối cảnh năng lượng gồ ghề với vô số khả năng cạnh tranh theo cấp số nhân. Điều này cho phép phát hiện nhanh các giải pháp gần tối ưu cho các bài toán tối ưu hóa phức tạp, chẳng hạn như quá trình gấp protein (protein folding), trong đó quá trình tìm kiếm tiến triển từ một chuỗi chưa gấp thông qua các trạng thái trung gian đến cấu trúc gấp ổn định nhất.

Kỷ nguyên sau Định luật Moore

Trong nhiều thập kỷ, Định luật Moore đã mang lại những lợi ích theo cấp số nhân, khiến chiến lược "mua một chiếc máy tính nhanh hơn" trở nên khả thi để giải quyết các vấn đề phức tạp. Tuy nhiên, kỷ nguyên đó đang tiếp cận giới hạn.

Bước tiến lớn về hiệu suất tiếp theo sẽ không đến từ các nút quy trình (process nodes) nhỏ hơn, mà từ các kiến trúc có khả năng tư duy và tính toán khác biệt.

"Công việc này đại diện cho một cộng đồng các kỹ sư thần kinh từ khắp nơi trên thế giới... cùng nhau định hình một thế hệ máy mới được thiết kế cho những bài toán khó nhất trong tính toán."

Nghiên cứu được dẫn đạo bởi Giáo sư Shantanu Chakrabartty từ Đại học Washington ở St Louis, người có nhóm nghiên cứu đã điều tra các kiến trúc thần kinh dựa trên Fowler-Nordheim trong nhiều năm. Đội ngũ bao gồm Giáo sư Chetan Singh Thakur từ Khoa Kỹ thuật Hệ thống Điện tử tại IISc, cùng sự hợp tác của Đại học Heidelberg (Đức), Đại học Johns Hopkins và Đại học California tại Santa Cruz (Mỹ).

Đây là minh chứng cho sự nỗ lực của cộng đồng kỹ thuật thần kinh toàn cầu, những người thường xuyên gặp gỡ và đóng góp ý tưởng tại các hội thảo như Bangalore Neuromorphic Engineering Workshop, Telluride Neuromorphic Engineering Workshop và CapoCaccia Neuromorphic Workshop tại Châu Âu.