玻色量子與北京師范大學在光量子計算領域持續(xù)突破

2023年10月，北京玻色量子科技有限公司（以下簡稱“玻色量子”）聯合北京師范大學研究團隊在知名科技期刊Quantum發(fā)表了以《Combinatorial optimization solving by coherent Ising machines based on spiking neural networks（基于脈沖神經網絡的相干伊辛機的組合優(yōu)化問題求解）》為題的學術論文。

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

論文發(fā)表 以下為本文的主要研究內容：

組合優(yōu)化問題在計算機科學的各個領域都具有重要的研究意義，如藥物設計、財務管理、電路設計等行業(yè)。一般來說，組合優(yōu)化問題屬于非確定性多項式時間復雜度類（NP）。在解決旨在最大化增益或最小化損失的組合優(yōu)化問題時，需要在候選對象之間有效地選擇最佳組合。這時，相干光量子計算在組合優(yōu)化問題的求解上頗具優(yōu)勢，但在大規(guī)模問題求解過程中，相干光量子計算模型中容易出現“振幅異質性”（即振子的振幅不相等）的現象，這是相干量子計算領域一個重要的技術難題。

在這項研究工作中，聯合研究團隊通過設計一個光學尖峰神經網絡，徹底解決了相干光量子計算過程中的“振幅異質性”問題。研究發(fā)現，它可以在組合優(yōu)化問題上大幅加快計算速度。本文利用反對稱耦合的簡并光學參量振子脈沖和耗散脈沖構造了“尖峰神經網絡”。根據尖峰神經元的動態(tài)行為，選擇一個非線性傳遞函數來減輕振幅的不均勻性，在組合優(yōu)化問題的計算過程中，它能實現振幅的異質性，并“凍結”在局部極小值中。而通過控制尖峰神經元的耗散參數，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)模計算。

數值計算結果表明，采用尖峰神經網絡的相干光量子計算在組合優(yōu)化問題上具有良好的性能，將能為神經計算和光學計算提供新的研究思路。

圖1 相干光量子計算架構和網絡原理圖

圖2 脈沖神經元的動力學行為

未來，玻色量子將持續(xù)升級自研相干光量子計算機真機——“天工量子大腦”，并不斷拓展其在AI領域的真機測試與場景驗證，以充分發(fā)揮自身在光量子計算領域的算力優(yōu)勢，攜手更多合作伙伴聯合實現技術突破并助推量子計算技術飛速發(fā)展。

審核編輯：劉清