可编程的200 GOPS霍普菲尔德启发光子伊辛机-青云TOP-AI综合资源站平台|青云聚合API大模型调用平台|全网AI资源导航平台

📢 转载信息

原文链接：https://www.nature.com/articles/s41586-025-09838-7

原文作者：Nayem Al-Kayed, Charles St-Arnault, Hugh Morison, A. Aadhi, Chaoran Huang, Alexander N. Tait, David V. Plant, Bhavin J. Shastri 等

摘要

伊辛机为解决NP难问题提供了一种引人注目[^1]的方法，但同时具备可扩展性、可重构性、速度快和稳定性这四个特性的物理实现仍然难以获得。像D-Wave的低温硬件这样的量子退火器，其目标是组合优化任务，但量子比特需求的二次方缩放限制了它们在密集图上的可扩展性[^2]。

在此，我们介绍了一种可编程的、稳定的、室温光电振荡器（OEO）型伊辛机，它具有线性的自旋表示缩放。我们的架构受到霍普菲尔德网络[^3]的启发，可以解决多达256个自旋（65,536个耦合）的全连接问题，如果稀疏，则可解决超过41,000个自旋（205,000多个耦合）的问题。

我们的系统利用了级联薄膜铌酸锂（TFLN）调制器、半导体光放大器（SOA）和一个数字信号处理（DSP）引擎，在一个递归的时间编码环路中运行，展示出对自旋耦合和非线性而言，潜在的>200 Giga Operations Per Second (GOPS) 性能。该平台实现了基于OEO的光子伊辛机中最大的自旋配置，这得益于其固有的高速度。

Fig. 1: Conceptual illustration of the proposed CMIM.

我们实验性地证明了在任意图拓扑的最大割问题（2,000和20,000个自旋）中，我们的系统比现有光子伊辛机具有最佳的解决方案质量，并获得了光子系统此前未解决的基准问题——数论划分[^4]和晶格蛋白质折叠[^5]的基态解。

我们的系统利用了高波特率产生的固有噪声来逃离局部最小值并加速收敛。最后，我们表明将传统用于光通信的DSP嵌入到光计算中，可以增强收敛速度和解决方案质量，为可扩展的、超快优化计算、神经形态处理和模拟人工智能开辟了新领域。