组合优化问题是一类硬计算问题，通常由计算机为各种应用解决。例如，组合优化算法允许经济学家对给定市场进行预测，或帮助流媒体平台根据个人用户过去的活动为他们推荐其他合适的电影。
组合问题越复杂，解决它所需的计算能力和资源就越大。因此，在过去几年中，工程师和计算机科学家一直在尝试开发可以更快、更有效地解决此类计算问题的设备和平台，从光学技术到电子技术和量子技术。
圣母大学、佐治亚理工学院和康奈尔大学的研究人员最近开发了一种伊辛哈密顿求解器（Ising Hamiltonian solver），可以比许多现有设备更有效地解决组合优化问题。这是一类纳米级弛豫振荡器（nanoscalerelaxation oscillators），非常类似于生物学中的尖峰神经元。
这一基于电耦合相变纳米振荡器 (PTNO) 网络的伊辛哈密顿求解器能够形成连续时间动态系统 (CTDS)。研究团队注入锁定 PTNO 的双稳态相充当人工伊辛自旋，而 CTDS 的稳定点充当问题的基态解。
实验表明，具有8个PTNO的原型就能实现以很高的成功概率（600 个退火周期为 96%）解决 NP-hard MaxCut 问题。
研究人员还通过数值模拟表明，这种伊辛哈密顿求解器可以解决 100 个节点的 MaxCut 问题，每瓦特每秒的能效为1.3×10的7次方个解决方案。
这种伊辛哈密顿求解器能够在室温下快速、准确且节能地进行运作。研究人员Dutta表示：“我们的伊辛哈密顿求解器硬件的优势在于能够对几乎所有可能的候选者执行大规模并行搜索，并以比使用普通台式计算机所达到的能量耗散和运行时间低1万倍以上的方式返回正确的解决方案。”
与基于忆阻器的 Hopfield 网络、量子退火器和光子伊辛求解器相比，这种伊辛哈密顿求解器能够提供远远优于它们的优势。
“集体计算的一个主要挑战是实现计算元素之间的大量互连，这些互连可以即时重新配置以解决广泛的问题，”Dutta 补充道。为了实现不同计算元素之间的这种大规模连接，研究人员现在正在研究两种不同的创新。目前，他们正在努力引入具有可编程电导的新型非易失性晶体管元件。这一元件可用作耦合元件。
研究题为"An Ising Hamiltonian solver based on coupled stochastic phase-transition nano-oscillators“，于7月26日发表在Nature Electronics期刊上。
前瞻经济学人APP资讯组
参考资料：
https://techxplore.com/news/2021-09-ising-hamiltonian-solver-based-coupled.html
热门跟贴