คอมพิวเตอร์ควอนตัมที่ใช้งานได้จริงคืบคลานเข้าใกล้ความเป็นจริงมากขึ้น
การมาถึงของคอมพิวเตอร์ควอนตัมที่ใช้งานได้จริงซึ่งมีคำสัญญามายาวนาน ซึ่งเป็นเครื่องจักรที่ใช้ประโยชน์จากกฎของกลศาสตร์ควอนตัมเพื่อแก้ปัญหาที่ซับซ้อนได้เร็วกว่าคอมพิวเตอร์ทั่วไปมาก ดูเหมือนจะใกล้เข้ามาอีกขั้น ด้วยความก้าวหน้าล่าสุดสองประการของนักฟิสิกส์
ในการพัฒนาครั้งแรกซึ่งรายงานในNatureฉบับวันที่ 2 กันยายนโดยกลุ่มที่นำโดย Serge Haroche จาก École Normale Supérieure และ Collège de France ในปารีส นักวิจัยได้สร้างกลไกการตอบกลับแบบเรียลไทม์สำหรับคอมพิวเตอร์ควอนตัม กลไกการควบคุม เช่น ลูปป้อนกลับ เป็นศูนย์กลางของการทำงานของคอมพิวเตอร์ทั่วไปขนาดใหญ่
ในความก้าวหน้าครั้งที่สอง รายงานในสัปดาห์เดียวกันในScienceโดยกลุ่มที่นำโดย Matteo Mariantoni และ John Martinis จาก University of California, Santa Barbara นักวิทยาศาสตร์ได้สร้างหน่วยประมวลผลกลางควอนตัม(CPU) พร้อมหน่วยความจำ อุปกรณ์พื้นฐานคือคอมพิวเตอร์ควอนตัมเครื่องแรกที่ใช้สถาปัตยกรรมหน่วยความจำตัวประมวลผลฟอนนอยมันน์ทั่วไปที่คอมพิวเตอร์ทั่วไปใช้
ดิ๊ก สลัชเชอร์ ผู้อำนวยการสถาบันควอนตัมแห่งสถาบันเทคโนโลยีจอร์เจีย ในแอตแลนตา และผู้เชี่ยวชาญคนอื่นๆ ชื่นชมผลงานของทั้งสองกลุ่มอย่างเป็นเอกฉันท์ อย่างไรก็ตาม Slusher กล่าวว่า “เพื่อให้การประมวลผลควอนตัมทนต่อข้อผิดพลาด ซึ่งเป็นเงื่อนไขที่จำเป็นในการปรับขนาดให้เหมาะกับแอปพลิเคชันจริง เช่น การแยกตัวประกอบคีย์การเข้ารหัสที่มีประโยชน์ ระดับข้อผิดพลาดต้องต่ำกว่าที่ทำได้มาก”
ควอนตัมคอมพิวเตอร์เป็นสนามใหม่ที่ได้เห็นความก้าวหน้าอย่างมากในปีที่ผ่านมารวมทั้งความคืบหน้าต่ออุปกรณ์ซิลิกอน อย่างไรก็ตาม ได้พิสูจน์แล้วว่าเป็นเรื่องยากที่จะสร้างคอมพิวเตอร์ควอนตัมที่ใช้งานได้จริง ซึ่งจะแข่งขันกับความสามารถในการประมวลผลของเครื่องทั่วไป ความยากลำบากส่วนหนึ่งอยู่ในความเปราะบางของรัฐควอนตัม ซึ่งพังทลาย (หรือ ”แยกส่วน” ในภาษากลศาสตร์ควอนตัม) ค่อนข้างเร็ว จนถึงปัจจุบัน มีเพียงคอมพิวเตอร์ควอนตัมพื้นฐานที่มี ”qubits” (ควอนตัมบิต) จำนวนหนึ่งเท่านั้นที่ถูกสร้างขึ้น (ในเดือนพฤษภาคมD-Wave Systems ได้ขายคอมพิวเตอร์ชนิดพิเศษของ Lockheed Martin ที่ใช้โปรเซสเซอร์ “การหลอมควอนตัม” แต่ผู้เชี่ยวชาญด้านคอมพิวเตอร์ควอนตัมหลายคนยังคงสงสัยว่าเป็นคอมพิวเตอร์ควอนตัมที่แท้จริง)
ขณะที่พวกเขาพยายามสร้างระบบควอนตัมที่ใหญ่ขึ้น นักวิทยาศาสตร์ได้พยายามรวมแนวคิดทางวิศวกรรมระบบแบบเดียวกันบางอย่างที่ใช้ในคอมพิวเตอร์ทั่วไป แต่ระบบควอนตัมที่เทียบเท่าได้พิสูจน์ให้เห็นแล้วว่าเข้าใจยาก จนถึงปัจจุบัน ”เครื่องจักรเหล่านี้บอบบางมาก” Haroche กล่าว ”การเชื่อมต่อกับสภาพแวดล้อมทำให้เกิดการถอดรหัส ซึ่งทำลายคุณสมบัติควอนตัมที่จำเป็นเพื่อให้งานสำเร็จ การแก้ไขผลกระทบของการถอดรหัสจึงเป็นส่วนสำคัญของข้อมูลควอนตัม ความเป็นไปได้อย่างหนึ่งคือการควบคุมเครื่องควอนตัมด้วยการตอบสนองควอนตัม”
ทว่าในนั้นยังมีความท้าทายอยู่: ในโลกควอนตัม การสังเกตโฟตอนหรืออะตอมเพียงอย่างเดียวก็รบกวนการเคลื่อนที่ของพวกมันและเปลี่ยนตำแหน่งและความเร็วของพวกมัน—และด้วยเหตุนี้จึงมีค่าที่ควิบิตมีอยู่ ดังนั้นเพื่อให้ควอนตัมป้อนกลับทำงานได้ เราต้องสามารถสังเกตระบบโดยดำเนินการ “การวัดที่อ่อนแอ” ซึ่งรบกวนการทำงานเพียงเล็กน้อยเท่านั้น และคอมพิวเตอร์จะต้องคำนึงถึงการรบกวนก่อนที่จะใช้การแก้ไข
Haroche และเพื่อนร่วมงานของเขาใช้อะตอมกลุ่มเล็กๆ เป็นตัวเซ็นเซอร์ควอนตัมเพื่อเอาชนะความท้าทายนี้ พวกมันส่งผ่านอะตอมผ่านช่องไมโครเวฟที่มีคิวบิตเป็นโฟตอน อะตอมได้รับสัญญาณที่ตรวจจับได้—การเปลี่ยนแปลงในเฟสของพวกมัน เทคนิคนี้ให้ข้อมูลเกี่ยวกับสถานะของโฟตอน แต่ทำได้โดยการวัดเพียงเล็กน้อยและไม่นำไปสู่การล่มสลายของธรรมชาติควอนตัมของแสงทั้งหมด การวัดการเปลี่ยนแปลงในสถานะสุดท้ายของอะตอมที่ไหลผ่านสนามแสงเป็นลำดับจะเป็นสัญญาณที่สามารถใช้ควบคุมแสงได้
Michael Biercuk นักฟิสิกส์ควอนตัมจากมหาวิทยาลัยซิดนีย์ในออสเตรเลียกล่าวว่า “งานนี้เป็นการทดลองสาธิตที่น่าประทับใจมากซึ่งแสดงให้เห็นว่าเทคนิคต่างๆ ที่พัฒนาขึ้นในชุมชนวิศวกรรมระบบสามารถแปลเป็นระบอบควอนตัมได้ .
ความท้าทายในการแปลระบบคลาสสิก ในกรณีนี้คือสถาปัตยกรรมหน่วยความจำตัวประมวลผล von Neumann ทั่วไป เป็นระบบควอนตัมก็กระตุ้นทีมนักวิจัยที่สองเช่นกัน ในการสร้างควอนตัม CPU และ RAM กลุ่ม UC Santa Barbara ใช้ทางแยกของโจเซฟสันที่มีตัวนำยิ่งยวดสองจุด ซึ่งเป็นโลหะตัวนำยิ่งยวดสองชิ้นคั่นด้วยชั้นฉนวนบางๆ เป็น qubits พวกเขาเชื่อมต่อ qubits โดยใช้บัสที่ทำจากเครื่องสะท้อนคลื่นไมโครเวฟที่มีตัวนำยิ่งยวด แต่ละ qubit ยังมี resonator แยกต่างหากซึ่งทำหน้าที่เป็น RAM ด้วยความช่วยเหลือของคลื่นไมโครเวฟ คิวบิตสามารถมีอิทธิพลต่อสถานะของกันและกันในลักษณะที่ทำการคำนวณ และผลลัพธ์สามารถเก็บไว้ในควอนตัมแรม พวกเขาทดสอบ CPU โดยอนุญาตให้แก้อัลกอริธึมควอนตัมสองสามตัว ซึ่งรวมถึงการแปลงฟูริเยร์ที่เทียบเท่า
อัลกอริธึมที่ซับซ้อนที่สุดที่ดำเนินการจนถึงขณะนี้ได้ใช้ระบบคอมพิวเตอร์ควอนตัมโดยอิงจากไอออนที่ติดอยู่ แต่ Biercuk กล่าวว่าระบบตัวนำยิ่งยวดกำลังตามทันอย่างรวดเร็ว และนั่น “น่าตื่นเต้นอย่างยิ่ง”
ในขณะที่ไม่มีใครคาดหวังว่าคอมพิวเตอร์ควอนตัมจะแข่งขันกับคอมพิวเตอร์ทั่วไปได้ในอนาคตอันใกล้นี้ แต่ผู้เชี่ยวชาญต่างพอใจกับการพัฒนาล่าสุดเหล่านี้
Raymond Laflamme กรรมการบริหารของ Institute for Quantum Computing แห่ง University of Waterloo ในแคนาดา กล่าวว่าการทดลองทั้งสองมี “ผลลัพธ์ที่ชัดเจนมาก” และแสดงให้เห็นว่า “ได้แสดงให้เห็นถึงการควบคุมที่เพิ่มขึ้นของโปรเซสเซอร์ควอนตัม”
แม้ว่าสิ่งนี้จะไม่ใช่ภาพเอ็กซ์เรย์ของชื่อเสียงของซูเปอร์แมน แต่ความละเอียดต่ำอาจถือเป็นคุณสมบัติมากกว่าข้อบกพร่อง เนื่องจากผู้คนมีความกังวลเกี่ยวกับความเป็นส่วนตัว และต่อมาเราแสดงให้เห็นว่าภาพที่น่ากลัวนั้นมีความละเอียดเพียงพอที่จะระบุบุคคลต่างๆ ด้วยความช่วยเหลือของตัวแยกประเภทการเรียนรู้ด้วยเครื่อง นอกจากนี้เรายังแสดงให้เห็นว่าระบบสามารถใช้เพื่อติดตามฝ่ามือของผู้ใช้ได้ภายในสองสามเซนติเมตร ซึ่งหมายความว่าสักวันหนึ่งเราอาจสามารถตรวจจับท่าทางของมือได้
ในขั้นต้น เราคิดว่าระบบของเราสามารถติดตามได้เฉพาะบุคคลที่กำลังเคลื่อนไหวเท่านั้น อยู่มาวันหนึ่ง ฉันขอให้ผู้ทดสอบอยู่นิ่งๆ ในระหว่างขั้นตอนการเริ่มต้นอุปกรณ์ของเรา ระบบของเราลงทะเบียนตำแหน่งของเขาอย่างแม่นยำแม้ว่าเราจะออกแบบให้ไม่สนใจวัตถุคงที่ก็ตาม เราประหลาดใจ
เมื่อมองใกล้ที่เอาต์พุตของอุปกรณ์มากขึ้น เราก็พบว่าภาพวิทยุคร่าวๆ ของตัวแบบกำลังปรากฏขึ้นและหายไป โดยมีระยะที่ตรงกับการหายใจของเขา เราไม่ได้ตระหนักว่าระบบของเราสามารถจับการหายใจของมนุษย์ในสภาพแวดล้อมทั่วไปภายในอาคารโดยใช้สัญญาณไร้สายที่ใช้พลังงานต่ำเช่นนี้ แน่นอนว่าเหตุผลที่ใช้งานได้คือการเคลื่อนไหวเล็กน้อยที่เกี่ยวข้องกับการขยายและการหดตัวของหน้าอกส่งผลต่อสัญญาณไร้สาย ด้วยเหตุนี้ เราจึงปรับปรุงระบบและอัลกอริทึมของเราให้ตรวจสอบการหายใจได้อย่างแม่นยำ
การวิจัยก่อนหน้านี้ในวรรณคดีได้แสดงให้เห็นถึงความเป็นไปได้ในการใช้เรดาร์เพื่อตรวจจับการหายใจและการเต้นของหัวใจ และหลังจากพิจารณาสัญญาณที่ได้รับอย่างละเอียดถี่ถ้วนมากขึ้น เราก็พบว่าเราสามารถวัดชีพจรของใครบางคนได้เช่นกัน นั่นเป็นเพราะในขณะที่หัวใจสูบฉีดเลือด แรงที่เกิดขึ้นจะทำให้ส่วนต่างๆ ของร่างกายสั่นไหวในลักษณะที่ละเอียดอ่อน แม้ว่าการเคลื่อนไหวจะมีขนาดเล็ก แต่อัลกอริธึมของเราสามารถซูมเข้าไปและติดตามพวกมันด้วยความแม่นยำสูง แม้ในสภาพแวดล้อมที่มีสัญญาณรบกวนวิทยุจำนวนมากและมีวัตถุหลายตัวที่เคลื่อนที่ไปรอบ ๆ ซึ่งเป็นสิ่งที่นักวิจัยก่อนหน้านี้ไม่สามารถทำได้
เมื่อถึงจุดนี้ เห็นได้ชัดว่ามีแอปพลิเคชันที่สำคัญในโลกแห่งความเป็นจริง เราจึงรู้สึกตื่นเต้นที่จะแยกบริษัทที่เราเรียกว่าEmeraldเพื่อทำการวิจัยเชิงพาณิชย์ เราสวมหมวก Emerald ของเราเข้าร่วมการแข่งขันMIT $100K Entrepreneurship Competitionและผ่านเข้าสู่รอบชิงชนะเลิศ แม้ว่าเราจะไม่ชนะ เราได้รับเชิญให้จัดแสดงอุปกรณ์ของเราในเดือนสิงหาคม 2015 ที่ “Demo Day” ของทำเนียบขาว ซึ่งเป็นงานที่ประธานาธิบดีบารัค โอบามาจัดขึ้นเพื่อแสดงนวัตกรรมจากทั่วสหรัฐอเมริกา
น่าตื่นเต้นที่ได้แสดงงานของเราให้ประธานได้เห็น ซึ่งเฝ้าดูระบบของเราตรวจพบการล้มลงและเฝ้าสังเกตการหายใจและการเต้นของหัวใจ เขาตั้งข้อสังเกตว่าระบบนี้จะทำให้เครื่องดูเด็กดี อันที่จริง การทดสอบที่น่าสนใจที่สุดอย่างหนึ่งที่เราทำคือกับทารกนอนหลับ
วิดีโอบนเครื่องดูแลเด็กทั่วไปไม่ได้แสดงอะไรมาก แต่เมื่อติดตั้งอุปกรณ์ของเราแล้ว จอภาพดังกล่าวสามารถวัดการหายใจและอัตราการเต้นของหัวใจของทารกได้โดยไม่ยาก วิธีนี้สามารถใช้ในโรงพยาบาลเพื่อตรวจสอบสัญญาณชีพของทารกแรกเกิดและทารกที่คลอดก่อนกำหนด ทารกเหล่านี้มีผิวที่บอบบางมาก ทำให้มีปัญหาในการติดเซ็นเซอร์แบบเดิมไว้กับตัว
ประมาณสามปีที่แล้วเราตัดสินใจลองสัมผัสอารมณ์ของมนุษย์ด้วยสัญญาณไร้สาย และทำไมไม่? เมื่อบุคคลตื่นเต้น อัตราการเต้นของหัวใจของเขาหรือเธอจะเพิ่มขึ้น เมื่อมีความสุขอัตราการเต้นของหัวใจจะลดลง แต่เราตระหนักได้อย่างรวดเร็วว่าการหายใจและอัตราการเต้นของหัวใจเพียงอย่างเดียวไม่เพียงพอ ท้ายที่สุด อัตราการเต้นของหัวใจของเราก็สูงเช่นกันเมื่อเราโกรธ และต่ำเมื่อเราเศร้า
เมื่อพิจารณาถึงงานวิจัยที่ผ่านมาในการประมวลผลทางอารมณ์ซึ่งเป็นสาขาการศึกษาที่พยายามจดจำอารมณ์ของมนุษย์จากสิ่งต่างๆ เช่น วิดีโอ รูปภาพ เสียง คลื่นไฟฟ้าสมอง (EEG) และคลื่นไฟฟ้าหัวใจ (ECG) เราได้เรียนรู้ว่าสัญญาณชีพที่สำคัญที่สุดสำหรับการจดจำ อารมณ์ของมนุษย์คือการแปรผันของมิลลิวินาทีในช่วงเวลาระหว่างการเต้นของหัวใจ การวัดนั้นยากกว่าอัตราการเต้นของหัวใจโดยเฉลี่ยมาก และในทางตรงกันข้ามกับสัญญาณ ECG ซึ่งมียอดแหลมมาก รูปทรงของสัญญาณการเต้นของหัวใจบนอุปกรณ์ไร้สายของเราไม่เป็นที่รู้จักล่วงหน้า และสัญญาณค่อนข้างดัง เพื่อเอาชนะความท้าทายเหล่านี้ เราได้ออกแบบระบบที่เรียนรู้รูปร่างของสัญญาณการเต้นของหัวใจจากรูปแบบการสะท้อนแบบไร้สาย จากนั้นจึงใช้รูปร่างนั้นเพื่อกู้คืนความยาวของแต่ละจังหวะ
การใช้คุณลักษณะจากสัญญาณการเต้นของหัวใจเหล่านี้และจากรูปแบบการหายใจของบุคคลนั้น เราได้ฝึกระบบแมชชีนเลิร์นนิงเพื่อจำแนกสถานะเหล่านี้เป็นหนึ่งในสี่สภาวะทางอารมณ์พื้นฐาน ได้แก่ ความเศร้า ความโกรธ ความยินดี และปีติ ความโศกเศร้าและความโกรธเป็นทั้งอารมณ์เชิงลบ แต่ความโศกเศร้าเป็นอารมณ์ที่สงบ ในขณะที่ความโกรธเกี่ยวข้องกับความตื่นเต้น ความสุขและความปิติยินดี ทั้งอารมณ์เชิงบวก สัมพันธ์กันในทำนองเดียวกันกับสภาวะที่สงบและตื่นเต้น
ระบบของเราสามารถรับรู้อารมณ์ได้อย่างแม่นยำถึงร้อยละ 87 เมื่อทำการทดสอบและฝึกอบรมในเรื่องเดียวกัน
การทดสอบระบบของเรากับคนต่างๆ เราแสดงให้เห็นว่าสามารถรับรู้อารมณ์ได้อย่างแม่นยำถึงร้อยละ 87 ของเวลาที่ทำการทดสอบและฝึกอบรมในเรื่องเดียวกัน เมื่อไม่ได้รับการฝึกฝนเกี่ยวกับข้อมูลของอาสาสมัคร มันยังคงรับรู้อารมณ์ของบุคคลนั้นด้วยความแม่นยำมากกว่า 73 เปอร์เซ็นต์
ในเดือนตุลาคม 2016 เพื่อนนักศึกษาระดับบัณฑิตศึกษาMingmin Zhao , Katabi และฉันตีพิมพ์บทความวิชาการ [PDF] เกี่ยวกับผลลัพธ์เหล่านี้ ซึ่งได้รับความสนใจจากสื่อยอดนิยม ไม่กี่เดือนต่อมา การวิจัยของเราเป็นแรงบันดาลใจตอนหนึ่งของซิทคอมเรื่อง ” The Big Bang Theory ” ของสหรัฐฯ ในตอนนี้ ตัวละครควรจะยืมอุปกรณ์ที่เราพัฒนาขึ้นมาเพื่อพยายามปรับปรุงความฉลาดทางอารมณ์ของเชลดอน
แม้ว่าอุปกรณ์ไร้สายจะช่วยใครซักคนได้ในลักษณะนี้ ไม่น่าจะเป็นไปได้ แต่การใช้สัญญาณไร้สายเพื่อรับรู้สภาพจิตใจขั้นพื้นฐานของมนุษย์ก็อาจนำไปประยุกต์ใช้ในทางปฏิบัติอื่นๆ ได้ ตัวอย่างเช่น อาจช่วยให้ผู้ช่วยเสมือนเช่นAlexa ของ Amazonจดจำสถานะทางอารมณ์ของผู้ใช้ได้
มีแอปพลิเคชันอื่นๆ ที่เป็นไปได้อีกมากมายที่เราเพิ่งเริ่มทำการสำรวจ วันนี้ ต้นแบบของ Emerald อยู่ในบ้านมากกว่า 200 หลัง ซึ่งพวกเขากำลังเฝ้าติดตามการนอนหลับและการเดินของผู้ถูกทดลอง แพทย์ที่Boston Medical Center , Brigham and Women’s Hospital , Massachusetts General Hospitalและที่อื่น ๆ จะใช้ข้อมูลนี้เพื่อศึกษาความก้าวหน้าของโรคในผู้ป่วยที่เป็นโรคอัลไซเมอร์ พาร์กินสัน และโรคปลอกประสาทเสื่อมแข็ง เราหวังว่าในอนาคตอันใกล้นี้ ทุกคนจะสามารถซื้ออุปกรณ์ Emerald ได้
เมื่อมีคนถามฉันว่าขั้นตอนต่อไปสำหรับการตรวจจับแบบไร้สายคืออะไร ฉันชอบที่จะตอบโดยถามพวกเขาว่าพลังพิเศษที่พวกเขาชื่นชอบคืออะไร เป็นไปได้มากว่านั่นคือที่มาของเทคโนโลยีนี้
วิศวกรของ Georgia Tech กล่าวว่าพวกเขาได้คิดค้นชิปต้นแบบที่ตั้งโปรแกรมได้ ซึ่งแก้ปัญหาการเพิ่มประสิทธิภาพจำนวนมากได้อย่างมีประสิทธิภาพ รวมถึงปัญหาที่จำเป็นสำหรับการฝึกอบรมโครงข่ายประสาทเทียมการกำหนดเส้นทางเครือข่าย5Gและการสร้างภาพ MRI สถาปัตยกรรมของชิปรวบรวมอัลกอริธึมเฉพาะที่แยกปัญหาใหญ่ปัญหาหนึ่งออกเป็นปัญหาเล็กๆ มากมาย ทำงานเกี่ยวกับปัญหาย่อย และแบ่งปันผลลัพธ์ มันทำอย่างนี้ซ้ำแล้วซ้ำอีกจนกว่าจะได้คำตอบที่ดีที่สุด เมื่อเทียบกับ GPU ที่ใช้อัลกอริทึม ชิปต้นแบบที่เรียกว่า OPTIMO มีประสิทธิภาพด้านพลังงาน 4.77 เท่า และเร็วกว่า 4.18 เท่า
การฝึกอบรมระบบการเรียนรู้ด้วยเครื่องและงานอื่นๆ ที่เน้นข้อมูลเป็นจำนวนมาก สามารถนำไปใช้เป็นชุดของปัญหาทางคณิตศาสตร์ที่เรียกว่าการเพิ่มประสิทธิภาพที่มีข้อจำกัด ในนั้นคุณกำลังพยายามที่จะลดค่าของฟังก์ชั่นที่อยู่ภายใต้ข้อ จำกัด บางจอร์เจียเทคอาจารย์อธิบายArijit Raychowdhury ตัวอย่างเช่น การฝึกอบรมโครงข่ายประสาทเทียมอาจเกี่ยวข้องกับการค้นหาอัตราความผิดพลาดต่ำสุดภายใต้ข้อจำกัดของขนาดของโครงข่ายประสาทเทียม
“หากคุณสามารถเร่ง [การเพิ่มประสิทธิภาพที่มีข้อจำกัด] โดยใช้สถาปัตยกรรมอัจฉริยะและการออกแบบที่ประหยัดพลังงาน คุณจะสามารถเร่งการประมวลผลสัญญาณและปัญหาการเรียนรู้ของเครื่องในระดับใหญ่ได้” Raychowdhury กล่าว อัลกอริธึมยุคทศวรรษ 1980 ที่เรียกว่าวิธีการสลับทิศทางของตัวคูณหรือ ADMM กลายเป็นวิธีแก้ปัญหา อัลกอริธึมแก้ปัญหาการเพิ่มประสิทธิภาพมหาศาลโดยแยกย่อยออกแล้วจึงเข้าถึงวิธีแก้ไขซ้ำหลายครั้ง
“ถ้าคุณต้องการแก้ปัญหาขนาดใหญ่ที่มีข้อมูลจำนวนมาก เช่น จุดข้อมูลหนึ่งล้านจุดที่มีตัวแปรหนึ่งล้านตัว ADMM ช่วยให้คุณสามารถแยกย่อยออกเป็นปัญหาย่อยที่มีขนาดเล็กลงได้” เขากล่าว “คุณสามารถตัดมันออกเป็น 1,000 ตัวแปรด้วย 1,000 จุดข้อมูล” ปัญหาย่อยแต่ละข้อได้รับการแก้ไขและผลลัพธ์รวมอยู่ในขั้นตอน “ฉันทามติ” กับปัญหาย่อยอื่นๆ เพื่อให้ได้วิธีแก้ปัญหาชั่วคราว ด้วยโซลูชันชั่วคราวที่รวมอยู่ในปัญหาย่อยแล้ว กระบวนการนี้จึงเกิดขึ้นซ้ำแล้วซ้ำเล่าจนกว่าอัลกอริทึมจะไปถึงโซลูชันที่เหมาะสมที่สุด
ใน CPU หรือ GPU ทั่วไป ADMM มีข้อ จำกัด เนื่องจากต้องมีการย้ายข้อมูลจำนวนมาก ดังนั้นกลุ่มจอร์เจียเทคจึงพัฒนาระบบที่มีสถาปัตยกรรม “หน่วยความจำใกล้”
“กรอบงาน ADMM เป็นวิธีการแก้ปัญหาการปรับให้เหมาะสมนั้นสามารถจับคู่กับสถาปัตยกรรมแบบหลายคอร์ได้ดี ซึ่งคุณมีหน่วยความจำและตรรกะในบริเวณใกล้เคียงกับช่องทางการสื่อสารบางช่องระหว่างแกนเหล่านี้” Raychowdhury กล่าว