（图片来源：网络）

神经网络科学对于相干量子计算研发有着重要的价值。

 

在NTT Research 2020峰会上，东京大学国际神经智能研究中心（IRCN）Timothee Leleu博士发表题为《Neuromorphic in Silico Simulator for the CIM》演讲时讲到，利用神经网络原理能够提高CIM（Coherent Ising Machine，相干伊辛机，一种利用伊辛模型进行计算的量子设备）的模拟器的效率，同时基于神经网络原理将有助于设计出一种低频、低能量和更快速的CIM。

 

开展神经网络和相干伊辛机等量子机器的联合研究，这一跨学科研究正在构成一个新的研究领域，该研究观点——《相干伊辛机：量子光学和神经网络观点》入选了2020年《应用物理快报》封面文章。

 

来自相干伊辛机的重要研发方NTT Research物理与信息学 (PHI) 实验室和神经网络研究领域的IRCN，双方自2021年宣布开展神经计算联合研究，并以开发出一种用于组合优化问题和机器学习的新型神经形态计算原理为主要研究目标。复杂系统数学建模和神经智能应用方面的专家、京东大学教授、IRCN副主任Kazuyuki Aihara和主攻相干网络计算潜在能力和应用的NTT Research PHI 实验室高级研究科学家Satoshi Kako博士是该项目的首席研究员。

 

根据介绍，CIM是一种使用简并光学参量振荡器（DOPO）的自旋作用来高速求解组合优化问题的专用量子计算机，通过对DOPO网络编程可解决已映射到Ising模型的问题。用CIM 编程来解决组合优化问题，等价于在各种约束下从更大的集合中找到变量的最佳组合。

 

NTT Research PHI实验室和IRCN的近期目标是研制出具有16000次自旋并完全耦合的、基于现场可编程门阵列(FPGA)的CIM模拟器。与之形成对比的是，NTT的基于光量子的CIM相干伊辛机已经达到了100000个自旋量子比特。

 

基于可重构性，FPGA模拟器可能具有可接受的速度和尺寸，但目前在能效方面受到限制，远不及使用量子原理的相干伊辛机。Timothee Leleu博士表示，“利用神经网络原理，我们将至少可以短暂突破经典计算机模拟的局限性，（更近似相干量子计算）。”

 

“我们的目标始终是创造新的科学知识，”NTT Research PHI实验室主任Yoshihisa Yamamoto（山本喜久）说，“基于新型神经形态计算原理的CIM模拟器和数字算法将为其他研究和学术组织中的众多合作者所使用，并可能加速该领域的搜索应用。”

 

Kazuyuki Aihara教授表示：“与 NTT Research的联合研究项目是令人兴奋的，这将是继续探索先进理论和未来应用的交叉点：随着研究合作的展开，我们将拥有更强大的基础和动力以继续从数学、量子力学、混沌、光学和神经科学的进步中汲取灵感。”

 

编译：李每

编辑：王衍
注：本文编译自“businesswire”，不代表量子前哨观点。