多旋转翻转和高效伊辛机器的途径

在快速发展的世界中，各行各业一直在努力优化其运营和资源。使用 Ising 机器进行组合优化有助于解决某些运营问题，例如为多城市旅游绘制最有效的路线或优化资源交付。伊辛机通过将解空间映射到自旋配置空间并解决相关的自旋问题来运行。这些机器在学术界和工业界都有广泛的应用，解决机器学习、材料设计、投资组合优化、物流和药物发现方面的问题。然而，对于较大的问题，仍然难以在可行的时间内获得最优解。

现在，虽然 Ising 机器可以通过将多旋转翻转集成到其硬件中进行优化，但这是一项具有挑战性的任务，因为它本质上意味着通过改变其基本操作来彻底检查传统 Ising 机器的软件。但是，早稻田大学计算机科学与通信工程系的一组研究人员——由助理教授白井达彦和户川伸彦教授组成——为这个长期存在的问题提供了一种新的解决方案。

在他们于 2022 年 5 月 27 日发表在IEEE Transactions on Computers上的论文中，他们通过变形哈密顿量(这是 Ising 模型的能量函数)设计了一种可行的多自旋翻转算法。“我们开发了一种混合算法，它采用不可行的多自旋翻转并以可行的单自旋翻转的形式表示。该算法是与我们的合并过程一起提出的，其中困难组合问题的原始哈密顿量变形为新的哈密顿量，这是传统伊辛机器的硬件可以轻松解决的问题，”Tatsuhiko Shirai 解释道。

新开发的混合伊辛工艺与现有方法和硬件完全兼容，减少了其广泛应用的挑战。“我们将混合合并过程应用于困难组合优化问题的几个常见示例。我们的算法在所有情况下都显示出卓越的性能。它减少了剩余能量并在更短的时间内达到更优化的结果——这确实是双赢的，”Nozomu 说户川。

他们的工作将使行业能够解决新的复杂优化问题，并帮助解决与气候变化相关的问题，例如能源需求增加、粮食短缺和可持续发展目标 (SDG) 的实现。“例如，我们可以使用它来优化行业中的运输和交付计划问题，以提高效率，同时减少二氧化碳排放，”Tatsuhiko Shirai 补充道。

这项新技术直接增加了 Ising 机器可用于生产解决方案的应用数量。因此，伊辛机方法可以越来越多地用于机器学习和优化科学。该团队的技术不仅提升了现有 Ising 机器的性能，还为近期开发新 Ising 机器架构提供了蓝图。随着合并算法将 Ising 机器进一步推向新的未知领域，优化的未来以及可持续性实践看起来一片光明。

标签：