ON-OFF Neuromorphic ISING Machines using Fowler-Nordheim Annealers

我们介绍了NeuroSA，这是一种神经形态学架构，专门设计用于使用由Fowler-Nordheim（FN）控制的量子力学隧穿物理过程，确保渐近收敛到Ising问题的基态。 NeuroSA的核心组件由一对异步ON-OFF神经元组成，有效地将经典模拟退火（SA）动态映射到一个积分和火（IF）神经元网络上。每个ON-OFF神经元对的阈值由FN退火器自适应调整，特别是在低温下，复制了SA的最佳逃逸机制和收敛。为了验证我们的神经形态学Ising机器的有效性，我们系统地解决了各种基准MAX-CUT组合优化问题。在多次运行中，NeuroSA始终生成接近最先进水平的高精度解决方案（大于99％），而无需任何图特定的超参数调整。为了实际说明，我们展示了在SpiNNaker2平台上实施NeuroSA的结果，突出了将我们提出的架构映射到标准神经形态加速器平台的可行性。

NeuroSA试图解决的问题是如何使用神经形态的架构来解决Ising问题的优化，同时验证该架构的有效性。这是一个已知的问题。

NeuroSA的核心组件是一对异步ON-OFF神经元，它们有效地将经典模拟退火动力学映射到一个积分和火神经元网络上。每个ON-OFF神经元对的阈值由一个FN退火器自适应调整，该退火器复制了SA的最佳逃逸机制和收敛性，特别是在低温下。

论文通过多次运行验证了NeuroSA的有效性，解决了各种基准MAX-CUT组合优化问题，且准确率高达99%以上，而无需任何特定于图形的超参数调整。此外，论文还展示了在SpiNNaker2平台上实现NeuroSA的结果，证明了将该架构映射到标准神经形态加速器平台的可行性。

在最近的相关研究中，还有一些关于神经形态计算机解决Ising问题的论文，例如“Neuromorphic Computing for Optimization: A Review”和“Ising Machines: A Review”。