← 返回信息流
AI 资讯Hacker News·2 天前

2048自旋体声波伊辛机破解数字分割与数独

原标题:A 2048-spin bulk acoustic wave Ising machine for number partitioning and Sudoku

速览

研究人员开发了一种基于体声波的伊辛机,集成2048个自旋,用于解决数字分割和数独等组合优化问题。该机器利用声波耦合实现大规模自旋相互作用,在实验上展示了远超传统伊辛机的性能。这一进展为类脑计算和组合优化硬件提供了新路径,有望加速AI推理中的约束满足问题求解。

AI 深度解读

背景

伊辛机(Ising machine)是专门用于求解组合优化问题的物理计算系统,其核心思想是将优化问题映射为伊辛模型的基态搜索。近年来,基于时间复用(time-multiplexing)的光学相干伊辛机在连接性和自旋规模上取得了显著进展,但仍受制于庞大的物理体积、高功耗、热稳定性差以及成本高昂等问题。这些限制促使研究者探索更紧凑、稳定且低成本的替代方案。本文提出了一种利用固态微波频段延迟线中传播波包的体声波伊辛机,旨在克服光学方案的核心瓶颈。

核心内容

该研究在 arXiv 上以《A 2048-spin bulk acoustic wave Ising machine for number partitioning and Sudoku》为题发布(提交于2026年7月2日,归类于凝聚态物理 > 介观与纳米物理)。作者展示了一种时间复用的伊辛机,采用微波频率下固态延迟线中的传播波包,实现了热稳定、鲁棒、低功耗、桌面级且成本可负担的设计。

具体而言,系统使用了两个串联的 20.5 MHz、707 μs 体声波(bulk acoustic wave)延迟线,每个延迟线支持 2048 个自旋。该设计提供了全连接(all-to-all)能力,耦合分辨率达 15 位。在 MAX-CUT 问题上,系统在 341 ms 内找到近似最优解,且通过使用更高频率的延迟线,求解时间有望缩短至亚毫秒级。此外,该机器还成功演示了对数分割(number partitioning)和数独(Sudoku)问题的求解。

与最先进的光学相干伊辛机相比,该机器的热稳定性高出四个数量级。与模拟分叉算法(Simulated Bifurcation algorithm)相比,该机器在 MAX-CUT 问题上取得了可比的结果,而在更复杂的数分割和数独问题上表现更优。

关键要点

  • 自旋规模:采用 2048 个自旋,通过两个串联的体声波延迟线实现。
  • 连接性与分辨率:全连接拓扑,耦合分辨率达到 15 位。
  • 求解速度:MAX-CUT 问题在 341 ms 内完成,具备亚毫秒级潜力。
  • 热稳定性:相比光学相干伊辛机,热稳定性提升四个数量级。
  • 功耗与成本:桌面级设计,低功耗且成本可负担。
  • 问题求解能力:除了 MAX-CUT,成功应用于数分割和数独问题,在复杂问题上优于模拟分叉算法。
  • 技术基础:利用固态微波延迟线中的传播波包,而非光学环路,避免了光学方案的体积和热稳定性缺陷。

意义与影响

这项工作在物理伊辛机领域具有多重意义。首先,它证明了基于体声波延迟线的固态方案能够在自旋规模、连接性和求解能力上与光学相干伊辛机相匹敌,同时在热稳定性、体积和成本上实现数量级优势。这为伊辛机从实验室专用设备走向实际部署铺平了道路。其次,在数分割和数独这类复杂约束满足问题上的优异表现,表明该机器不局限于图割优化,而是具备更广泛的组合优化潜力。最后,该设计通过提高延迟线频率可进一步加速,未来有望实现亚毫秒级求解,对实时优化场景(如物流调度、通信网络)具有重要价值。综合来看,该体声波伊辛机代表了一种兼具性能与实用性的新型物理计算范式。

查看原文 →arxiv.org