《Light-Science & Applications》：Programmable optoelectronic Ising machine for optimization of real-world problems
编辑推荐：
本研究针对组合优化问题(COPs)在传统计算机上的求解瓶颈，开发出基于光电参量振荡器(OEPO)的可编程光电伊辛机(OEIM)。该机器具备4096个伊辛自旋、任意耦合能力和长期稳定特性，在求解最大割问题(MAX CUT)和实际交通优化问题时，在精度和速度上均超越传统模拟退火算法(SA)，为实时交通管理等关键领域提供了革新性解决方案。
在当今信息爆炸的时代，组合优化问题(COPs)如同隐藏在日常生活背后的数学迷宫，从金融风险控制到交通路线规划，从药物分子设计到人工智能算法，这些看似无关的领域都面临着同一个数学难题——如何在有限时间内从海量可能性中找到最优解。这类问题被归类为NP难或NP完全问题，其计算复杂度随着问题规模呈指数级增长，使得传统冯·诺依曼架构计算机束手无策。
以城市交通优化为例，早晚高峰时段的道路拥堵是每个大都市的顽疾。想象一下，北京西二环路段上有数千辆车需要同时规划路线，每辆车都有多条可选路径，而每条路径的通行时间又取决于其他车辆的选择。这种相互制约的复杂关系形成了一个巨大的组合优化问题，其可能的解决方案数量甚至超过了宇宙中的原子总数。传统计算机需要耗费数小时甚至数天才能得出一个近似解，而交通状况早已时过境迁。
正是在这样的背景下，伊辛机(Ising machine)应运而生，它提供了一种超越传统计算范式的解决方案。其核心思想是将组合优化问题映射到伊辛模型(Ising model)的能量最小化问题上。伊辛模型原本是描述磁性材料中自旋相互作用的物理模型，每个自旋可以处于+1或-1两种状态，整个系统的能量由公式H=-∑1≤i<j≤NJijσiσj决定。巧妙的是，许多组合优化问题都可以转化为寻找该能量函数最小值的等价形式。
近年来，各种伊辛机实现方案相继涌现，包括基于光学参量振荡器的相干伊辛机(CIM)、基于量子绝热定理的量子退火机等。然而，这些方案在实际应用中面临诸多挑战：有的需要极低温环境，有的制造成本高昂，有的连续运行时间有限，更重要的是，它们处理现实问题时往往受限于自旋连接方式和计算精度。现实世界的组合优化问题通常具有变量规模大、相互关系复杂、计算精度要求高等特点，这对伊辛机的长期稳定性、可编程性和扩展性提出了更高要求。
针对这些挑战，中国科学院半导体研究所李明研究员团队在《Light: Science & Applications》上发表了最新研究成果，开发出一种高性能可编程光电伊辛机(OEIM)。该研究团队此前基于光电参量振荡器(OEPO)提出了延迟线架构的伊辛机，但该方案在自旋连接性和比特分辨率方面存在局限。新一代OEIM通过将自旋耦合从光域转移到微波域，结合现场可编程门阵列(FPGA)反馈回路，实现了高比特分辨率的任意自旋耦合，最终构建出包含4096个伊辛自旋的大规模可编程系统。
关键技术方法方面，研究团队主要采用三项核心技术：首先构建基于16公里单模光纤的光电振荡腔，产生4200个OEPO脉冲作为伊辛自旋；其次设计FPGA可编程脉冲耦合系统，通过16位精度ADC/DAC实现高精度反馈信号处理；最后建立温度反馈控制系统确保长期稳定性。在交通优化案例中，研究使用北京真实GPS数据（T-Drive数据集），选取1200辆车分为160组，每组3条备选路径，结合1500辆基准车构建用户均衡(UE)模型，最终将问题转化为485个伊辛自旋的优化问题。
研究结果方面，论文通过多个维度系统验证了OEIM的性能优势：
"Solving the MAX CUT problem"部分，研究团队首先生成包含4096个节点、838万个边的全连接图I4096作为基准问题。通过与模拟退火算法(SA)对比发现，OEIM仅需1.97毫秒即可达到SG3算法设定的目标值，比SA快10倍。特别值得注意的是，在不同图密度（1%-100%）条件下，OEIM的求解时间保持稳定，而SA随密度增加呈显著上升趋势。
"Evaluating stable oscillation time of OEIM"部分，研究人员通过监测伊辛自旋序列的皮尔逊相关系数评估系统稳定性。实验表明OEIM平均稳定振荡时间达4250秒（1.1小时），最优情况下可持续19,785秒（5.5小时）。
"Solving a real-world traffic optimization problem"部分最具实践价值。研究团队将北京西二环北路特定路段的实际交通数据转化为伊辛耦合矩阵，该矩阵元素数值跨度达16个数量级，充分体现了现实问题的复杂性。OEIM在2.71毫秒内收敛到目标伊辛能量-1,054,280，而SA算法经过4.94秒仅达到-1,047,440。通过20次重复实验统计，OEIM平均求解时间2.5毫秒，比SA快三个数量级，且求解质量更接近最优解。
交通热力图直观展示了优化效果：OEIM优化后红色拥堵区域显著减少，黄色区域降级为绿色，整体通行效率得到实质性提升。
结论与讨论部分指出，OEIM基于最小功耗耗散原理运作，使其更容易逃离局部最优解并找到全局最优解。与CIM使用DOPO脉冲不同，OEIM采用波长更长的OEPO脉冲，虽然需要更长的环路长度来实现相同规模的自旋，但获得了更好的稳定性。当前OEIM在泵浦增益控制方案上仍有优化空间，未来通过动态调节策略可更好平衡计算时间与求解质量。尽管受FPGA存储容量和数据传输带宽限制，但通过增加脉冲重复频率和光学环路长度，有望实现更大规模自旋系统。
这项研究的意义不仅在于实现了比传统计算机快三个数量级的计算速度，更在于成功将伊辛机应用于真实复杂的现实问题。它为解决物流分配、路径规划、药物发现等领域的组合优化问题提供了新范式，同时高精度特性使其有望突破与复杂神经网络架构的兼容性限制，在AI训练加速等领域展现应用潜力。随着问题复杂度的增加，OEIM相对于传统计算机的能效优势将更加显著，这为应对未来更大规模优化挑战奠定了技术基础。
