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模組合優化問題的求解上繼續保持顯著算力優勢。

論文發表 以下為本文的主要研究內容：

組合優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。一般來說，組合優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化問題的求解上頗具優勢，但在大規模問題求解過程中，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。研究發現，它可以在組合優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，使得系統加速完成大規模計算。

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，以充分發揮自身在光量子計算領域的算力優勢，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展。

審核編輯：劉清