Forscher eines Multi-Instituts-Konsortiums unter Beteiligung des IISc (Indian Institute of Science) haben eine neuromorphe Ising-Maschine entwickelt und auf einem FPGA-Board implementiert. Das System ist darauf ausgelegt, sogenannte „rugged energy landscapes" zu durchsuchen – hochdimensionale Suchräume mit exponentiell vielen konkurrierenden Möglichkeiten. Anders als konventionelle KI-Systeme orientiert sich das Maschinendesign an natürlichen physikalischen Prozessen, wie sie etwa bei der Proteinfaltung auftreten: Der Suchprozess verläuft von einer ungefalteten Kette über intermediäre Molten-Globule-Zustände hin zur energetisch stabilsten Struktur. Die Ising-Maschine soll dabei deutlich schneller Near-Optimal-Lösungen für klassisch schwer lösbare Optimierungsprobleme liefern als herkömmliche Ansätze. Das Konzept zielt auf eine Klasse von Problemen, die weder durch schnellere Chips noch durch aktuelle KI-Modelle effizient lösbar sind, sondern ein grundlegend anderes Berechnungsprinzip erfordern.