将CMOS型Ising运算单元提升到实际应用领域

解决组合优化问题是冯·诺依曼体系结构计算的巨大挑战。 尽管Ising模型可以为此类问题提供有希望的解决方案,但现有的Ising芯片(包括超导,光学和CMOS型电路实现)无法满足实际组合优化应用的精度要求。 为了促进对实际应用的支持,我们建议对现有的CMOS型Ising芯片进行三处改进:具有近似乘法加法器的合适的窄位宽度存储单元,具有交叉随机数发生器的双随机源翻转方法以及相邻电路之间的共享电路设计旋转节点。 通过以上改进,我们实现了高精度并保持了CMOS型Ising芯片的低成本特性。 当搜索Ising模型的基态时,我们的CMOS型Ising芯片可以将精度提高到99%以上,而现有芯片的精度约为93%。 而且,其硬件成本仅为实现相同高精度的普通实现方式的32%。 特别地,我们已经通过图像分割演示了我们的实现,图像分割是典型的实际应用程序。 结果表明,与传统计算机上运行的近似算法相比,我们的CMOS型Ising芯片能够找到质量相近的细分,从而在1900年之前仅以0.017的能耗即可加速细分处理。