The Economist - 04.12.2021

The Economist December 4th 2021 83

Science & technology

Randomnumbers

Flipping heck!

R

andomness is a valuable  commodity.

Computer models of complex systems

ranging  from  the  weather  to  the  stock­

market  are  voracious  consumers  of  ran­

dom  numbers.  Cryptography,  too,  relies

heavily on random numbers for the gener­

ation of unbreakable keys. Better, cheaper

ways  of  generating  and  handling  such

numbers  are  therefore  always  welcome.

And doing just that is the goal of a project

with the slightly tongue­in­cheek name of

coinflips, which allegedly stands for Co­

designed  Improved  Neural  Foundations

Leveraging Inherent Physics Stochasticity.

coinflipsoperates  under  the  aegis  of

Brad  Aimone,  a  theoretical  neuroscientist

at Sandia National Laboratories (originally

one of America’s nuclear­weapons labora­

tories, but which has now branched out in­

to  other  areas,  too).  Dr  Aimone’s  starting­

point  is  the  observation  that,  unlike  the

circuits of digital computers, which will, if

fed  a  given  input,  respond  with  a  precise

and  predictable  output,  the  link  between

input  to  and  output  from  a  nerve  cell  is

more  haphazard—or,  in  the  jargon,  “sto­

chastic”. He wants to imitate this stochas­

tic  behaviour  in  something  less  squishy

than a nerve cell. By doing so, he thinks he

might  be  able  to  tune  the  distribution  of

digits  that  a  random­number  generator

spits out, without affecting their underly­

ing randomness. 

Random doodlings

That  would  be  useful.  Existing  random­

number  generators  produce  uniform  dis­

tributions. (A “3”, say, is exactly as likely to

appear  as  a  “7”.)  But,  as  Dr  Aimone’s  col­

league  Darby  Smith  notes,  the  real  world

that  computer  modellers  are  trying  to

model  does  not  work  like  this.  For  exam­

ple, the temperature in London in Decem­

ber may vary between ­7°C and 17°C, but is

most  likely  to  be  in  the  range  3°C  to  8°C.

Similarly,  vessels  are  more  likely  to  be  in

trouble close to a busy shipping route than

in a remote backwater. Distorting uniform

distributions  of  random  numbers  to  take

account  of  these  realities  is  tedious  and

unsatisfactory.  As  Dr  Smith  observes,  it

would  be  more  efficient  if  the  random

numbers used corresponded to the natural

distribution in the first place.

There  is  also  an  abundance  problem.

Finding random phenomena in nature that

can  be  transformed  into  computer  bits  is

not easy. Often the source is computing it­

self—for  example,  by  gathering  the  last

digits  in  the  numbers  of  milliseconds  be­

tween  keystrokes  made  by  zillions  of  us­

ers. Otherwise, specialist, expensive hard­

ware needs to be used to do things such as

measuring heat flux through a silicon chip.

To  eke  out  these  scarce  supplies,  such

truly random numbers are often then em­

ployed  to  seed  programs  called  pseudo­

random­number  generators.  The  algo­

rithms behind those generate sequences of

numbers  that  have  the  statistical  proper­

ties  of  randomness.  But  this  is  not  the

same  as  the  real  thing.  As  John  von  Neu­

mann,  one  of  computing’s  pioneers,  ob­

served: “Anyone who considers arithmeti­

cal methods of producing random digits is,

of course, in a state of sin.” Moreover, if the

purpose  is  cryptography,  this  method  is

particularly risky. The opposition might be

able to work out the algorithm involved.

How to generate better, cheaper, more abundant random numbers. And why

that is a useful thing to do

→Alsointhissection

84 HowwaterarrivedonEarth

85 Perovskitephonescreens

85 Hybridhelicopters

86 Trypanosomes and honeybees