2023年10月，北京玻色量子科技有限公司（以下簡(jiǎn)稱“玻色量子”）聯(lián)合北京師范大學(xué)研究團(tuán)隊(duì)在知名科技期刊Quantum發(fā)表了以《Combinatorial optimization solving by coherent Ising machines based on spiking neural networks（基于脈沖神經(jīng)網(wǎng)絡(luò)的相干伊辛機(jī)的組合優(yōu)化問(wèn)題求解）》為題的學(xué)術(shù)論文。

這是玻色量子聯(lián)合北京師范大學(xué)在共同打造“相干光量子算力平臺(tái)”過(guò)程中的持續(xù)成果產(chǎn)出之一。值得注意的是，該成果也代表了相干光量子計(jì)算在大規(guī)模組合優(yōu)化問(wèn)題的求解上繼續(xù)保持顯著算力優(yōu)勢(shì)。

論文發(fā)表 以下為本文的主要研究?jī)?nèi)容：

組合優(yōu)化問(wèn)題在計(jì)算機(jī)科學(xué)的各個(gè)領(lǐng)域都具有重要的研究意義，如藥物設(shè)計(jì)、財(cái)務(wù)管理、電路設(shè)計(jì)等行業(yè)。一般來(lái)說(shuō)，組合優(yōu)化問(wèn)題屬于非確定性多項(xiàng)式時(shí)間復(fù)雜度類（NP）。在解決旨在最大化增益或最小化損失的組合優(yōu)化問(wèn)題時(shí)，需要在候選對(duì)象之間有效地選擇最佳組合。這時(shí)，相干光量子計(jì)算在組合優(yōu)化問(wèn)題的求解上頗具優(yōu)勢(shì)，但在大規(guī)模問(wèn)題求解過(guò)程中，相干光量子計(jì)算模型中容易出現(xiàn)“振幅異質(zhì)性”（即振子的振幅不相等）的現(xiàn)象，這是相干量子計(jì)算領(lǐng)域一個(gè)重要的技術(shù)難題。

在這項(xiàng)研究工作中，聯(lián)合研究團(tuán)隊(duì)通過(guò)設(shè)計(jì)一個(gè)光學(xué)尖峰神經(jīng)網(wǎng)絡(luò)，徹底解決了相干光量子計(jì)算過(guò)程中的“振幅異質(zhì)性”問(wèn)題。研究發(fā)現(xiàn)，它可以在組合優(yōu)化問(wèn)題上大幅加快計(jì)算速度。本文利用反對(duì)稱耦合的簡(jiǎn)并光學(xué)參量振子脈沖和耗散脈沖構(gòu)造了“尖峰神經(jīng)網(wǎng)絡(luò)”。根據(jù)尖峰神經(jīng)元的動(dòng)態(tài)行為，選擇一個(gè)非線性傳遞函數(shù)來(lái)減輕振幅的不均勻性，在組合優(yōu)化問(wèn)題的計(jì)算過(guò)程中，它能實(shí)現(xiàn)振幅的異質(zhì)性，并“凍結(jié)”在局部極小值中。而通過(guò)控制尖峰神經(jīng)元的耗散參數(shù)，就可以控制相空間體積的收縮速率和收縮方向，使得系統(tǒng)加速完成大規(guī)模計(jì)算。

數(shù)值計(jì)算結(jié)果表明，采用尖峰神經(jīng)網(wǎng)絡(luò)的相干光量子計(jì)算在組合優(yōu)化問(wèn)題上具有良好的性能，將能為神經(jīng)計(jì)算和光學(xué)計(jì)算提供新的研究思路。

圖1 相干光量子計(jì)算架構(gòu)和網(wǎng)絡(luò)原理圖

圖2 脈沖神經(jīng)元的動(dòng)力學(xué)行為

未來(lái)，玻色量子將持續(xù)升級(jí)自研相干光量子計(jì)算機(jī)真機(jī)——“天工量子大腦”，并不斷拓展其在AI領(lǐng)域的真機(jī)測(cè)試與場(chǎng)景驗(yàn)證，以充分發(fā)揮自身在光量子計(jì)算領(lǐng)域的算力優(yōu)勢(shì)，攜手更多合作伙伴聯(lián)合實(shí)現(xiàn)技術(shù)突破并助推量子計(jì)算技術(shù)飛速發(fā)展。

審核編輯：劉清