作者：Navid Anjum Aadit，Xiuqi Zhang，Shuvro Chowdhury，Kevin Callahan-Coray，Kyle Lee，Saleh Bunaiyan，Sanjay Seshan，Clayton Thomas，Jason Twigg，Andrew Seawright，Forrest Brewer，Tathagata Srimani，Kerem Y. Camsari 查看 PDF HTML（实验性） 摘要：基于p位构建的概率计算机被提议作为采样和优化Ising模型的硬件加速器，但现有系统仅限于单个芯片，受到其容量和内存带宽的限制。在这里，我们通过将FPGA联网成一个远大于任何单一设备的Ising机器来打破这一限制，实现在一百万个p位的可编程概率计算机。该机器以超过一万亿次翻转每秒的速度执行Gibbs采样，同时保持每个耦合权重在本地片上内存中。执行期间，设备交换的仅是1位的边界状态。这种架构提出了一个对任何分布式采样器至关重要的问题：边界信息需要多频繁刷新，才能使分区机器表现得像一个未分区的机器。利用三维Edwards-Anderson自旋玻璃，我们表明，这个答案由一个单一的时间比率设置，即边界交换频率与本地p位更新频率的比值，eta = f_comm / f_p-bit。高于一个依赖于拓扑的阈值时，分布式机器与单块GPU参考匹配。低于该阈值时，残余能量依旧以幂律衰减，但伴随降低的指数，使并行性转化为可量化的吞吐量-准确性权衡。一个理论集群均场模型重现了相同的行为，表明这一权衡是分区随机动力学的普遍属性。这些结果提供了一个可编程的百万p位平台，通过自旋玻璃、最大割和布尔可满足性进行了演示，并为超越单芯片限制的概率计算机的扩展提供了一个定量设计规则。 主题：分布式、并行和集群计算（cs.DC）；硬件架构（cs.AR） 引用为：arXiv:2606.25313 [cs.DC]（或此版本的 arXiv:2606.25313v1 [cs.DC]） https://doi.org/10.48550/arXiv.2606.25313 arXiv发布的DOI通过DataCite（待注册） 提交历史 来自：Kerem Çamsarı [查看电子邮件] [v1] 2026年6月24日星期三 02:26:33 UTC（24,044 KB）