Snowball：一种基于双模式马尔可夫链蒙特卡罗自旋选择与异步自旋更新的可扩展全连接 Ising 机器
机器学习
2026-01-30 v1
摘要
Ising 机器已成为组合优化加速器。为实现实际部署，本工作旨在通过解决三个挑战来缩短求解时间：（1）硬件拓扑结构，（2）自旋选择与更新算法，（3）可扩展的耦合系数精度。受限的拓扑结构需要次级嵌入；朴素的并行更新可能导致振荡或停滞；精度有限可能导致可行映射不可行或降低解质量。本工作提出了 Snowball，一种数字可扩展全连接 Ising 机器，集成双模式马尔可夫链蒙特卡罗自旋选择与异步自旋更新，以促进收敛并缩短求解时间。数字体系结构支持宽广、可配置的耦合精度，与许多在高位宽下实现的模拟器不同。原型部署在 AMD Alveo U250 加速器卡上，在相同的基准实例上实现了相较于最先进的 Ising 机器的 8 倍求解时间缩短。
引用
@article{arxiv.2601.21058,
title = {Snowball: A Scalable All-to-All Ising Machine with Dual-Mode Markov Chain Monte Carlo Spin Selection and Asynchronous Spin Updates for Fast Combinatorial Optimization},
author = {Seungki Hong and Kyeongwon Jeong and Taekwang Jang},
journal= {arXiv preprint arXiv:2601.21058},
year = {2026}
}