振荡器伊辛机对经典自旋进行量子计算

进入 21 世纪的二十年后，对计算能力的需求正以不断增长的速度超过供应。从需要快速反应药物设计的全球流行病，到智能电网、自动驾驶汽车、人工智能和机器学习，科学家们都在争先恐后地提高当前的计算能力，直到量子计算成为现实。

特别具有挑战性的是组合优化问题。此类问题的教科书示例是解决在同一地点开始和结束的给定数量城市之间的最短路线。随着城市数量的增加和可能的路线组合变得天文数字，这个“旅行商问题”变得更加困难。

电气工程和计算机科学教授 Bakar 研究员 Jaijeet Roychowdhury 领导了一项突破，使用传统的互补金属 - 氧化物 - 半导体(CMOS)集成电路，以量子计算机类型的速度和效率解决涉及数百万可能结果的组合优化问题. 他的振荡器伊辛机 (OIM) 将组合优化问题编码为磁自旋的“能量景观”——振荡电子的量子特性——其中解决方案由同步或耦合振荡器自旋的最低能量配置决定。

电子振荡的同步使 OIM 能够在相对便宜、低功耗的小型化 CMOS 芯片上解决组合优化问题，而无需其他组合优化策略所需的成本高昂的技术挑战，例如低温操作温度。

问：您曾说过 OIM 成功的关键是适当设计的振荡器。什么是“合适”的设计?

答：与标准电子振荡器设计不同，我们 OIM 芯片中的振荡器设计有注入锁定特性，可促进有效耦合。我们选择振荡器之间的耦合也很重要。虽然相对耦合值是由要解决的组合优化问题设置的，但可以自由选择绝对值。这些值需要通过振荡器的性质以及 CMOS 技术考虑来告知。适当设计的另一个重要方面是同步信号的选择，它将每个振荡器从数字操作模式转换为模拟操作模式，然后再返回。

问：您是否从自然界使用同步振荡来优化能源效率中获得同步 OIM 中的电子振荡器的灵感?

答：有也没有。我从小就对振荡器很感兴趣，当时我试图修理我祖母的真空管收音机。我的尝试没有成功，但让我对弄清楚振荡器的工作原理感兴趣。多年来，我了解到对电子振荡器的标准解释过于简单，实际上在某些方面显然是错误的。在我们的小组中，我们意识到生物同步中的注入锁定，例如萤火虫的同步闪烁，可以应用于电子产品，以制造带有振荡器而不是标准寄存器的冯诺依曼计算机。发现注入锁定的能量方面可以说是产生 OIM 的关键步骤。

问：OIM 能量图谱中自旋的最低能量配置是否类似于旅行商问题 (TSP) 中的最小旅行距离?

答：是的，TSP 的最小距离对应于我们 OIM 公式中的最小能量配置，但要找到 OIM 解决方案，必须将 TSP 重新转换为 Ising 形式。这意味着在 TSP 问题中求解 N 个城市需要 N2 次 Ising 形式的自旋。例如，如果你想在 100 个城市之间旅行，你需要用大约 10,000 次旋转来解决一个 Ising 问题;如果您想在 10,000 个城市之间旅行，那么您将需要 1 亿次 Ising 旋转!这是一个很大的数字，但缩放到大量自旋是 OIM 的主要优势之一，因为您可以在一个小芯片上放置数十亿个 CMOS 晶体管。每台计算机和手机中的处理器芯片都包含许多具有 1 亿次或更多旋转的晶体管和 OIM 芯片，一旦我们'

问：您认为 OIM 最直接的应用是什么?

答：我们的 OIM 的优点之一是他们不关心他们正在解决的问题来自哪个应用程序域。只要问题是 Ising 形式并且 OIM 可以用它编程，它们就可以工作。此外，几乎每个组合优化问题，无论它出现在哪里，都可以转换为 Ising 形式。也就是说，研究的一般规则是专注于解决特定的最终问题非常有帮助。与 Ising 社区的许多人一样，我们一直专注于图中的 MAX-CUT 问题，对此有广泛可用的基准测试。我们也在研究通信中的组合优化问题。

问：您是如何利用 Bakar Fellowship 推进 OIMs 研究的?

答：Bakar Fellowship 帮助我们专注于设计 OIM 芯片以及开发通信应用程序。