用光解决复杂问题：全光伊辛机的基本原理

hdy

计算挑战的本质

想象一下尝试解决一个包含数千个相互连接片段的拼图，其中每个片段都会同时影响其他所有片段。这本质上就是计算机处理科学家所称的NP困难问题时面临的情况——这些计算挑战随着规模增长而呈指数级变难。建立在冯·诺依曼架构基础上的传统计算机在处理这些问题时遇到困难，因为这种架构按顺序逐步处理信息。

新加坡国立大学的研究团队开发了一种引人注目的解决方案，利用光的力量来解决这些复杂的优化问题。这项发表在《Optica》期刊上的研究展示了一种全光伊辛机，能够处理涉及超过1000个相互连接变量的问题——这是计算能力的显著跃升[1]。

图1：全光伊辛机的实验装置示意图(a)和实物照片(b)，包含相位调制器(PM)、幅度调制器(AM)、分束器(BS)和光电探测器(PD)，按马赫-曾德尔干涉仪配置排列。

1

解决方案背后的物理原理

这项创新的核心是伊辛模型，这是一个从统计力学借用的数学框架，用于描述磁自旋之间如何相互作用。在计算环境中，这些"自旋"代表可以是+1或-1的变量，目标是找到使系统总能量最小的配置。这就像在一块板子上找到磁体的最稳定排列，其中每个磁体都会影响所有其他磁体。

当我们考虑光如何自然地执行某些数学运算时，光学方法的巧妙之处就变得清晰了。传统计算机必须使用电子线路逐步计算矩阵乘法，而光可以通过干涉图案内在地执行这些运算。当两束光结合时，会自动执行复杂的数学关系，而这在数字处理器上需要许多计算步骤。

研究人员围绕自由空间马赫-曾德尔干涉仪构建了系统，该干涉仪将激光分成多个路径，然后重新合并。通过使用电光调制器仔细控制每束光的相位和幅度，可以将问题变量直接编码到光信号中。当这些光束重新合并时产生的干涉图案包含了优化问题的数学解。

图2：工作原理，包含独立的线性运算单元(a)和非线性运算单元(b)，显示了矩阵分割如何通过光干涉和外差检测实现复杂计算。

2

通过矩阵分割扩大规模

这种方法最优雅的方面之一是研究人员如何处理大型问题。他们使用一种叫做矩阵分割的巧妙技术，而不是为每个可能的问题规模都需要庞大的光学系统。代表复杂优化问题的大型1024×1024矩阵可以分解为较小的2×2矩阵，由相同的紧凑光学硬件依次处理。

这种方法类似于一小队工人通过一次完成一个部分来组装大型建筑，而不需要数千名工人同时建造所有部分。光学系统使用光并行处理每个小矩阵乘法，而简单的电子线路处理将结果相加的直接任务。

3

实验演示和实际应用

研究团队通过几个日益具有挑战性的测试案例验证了方法。首先处理了排列在方形晶格中的16自旋问题，其中每个变量只与其直接邻居相互作用。这代表了一种相对稀疏的连接模式，类似于邻里中的人们主要与直接邻居互动。

图3：16自旋MAXCUT问题，显示方形晶格图(a)、36次迭代中的哈密顿量演化(b)以及不同步骤的自旋配置(c)，说明了系统如何收敛到最优解。

对于更具挑战性的问题，研究团队处理了使用MAXCUT优化框架的1024自旋问题，该框架寻求将网络分为两组，同时最大化组间连接。这类问题经常出现在网络设计、线路布局和资源分配等实际应用中。

图4：1024自旋问题的结果，包括方形晶格图结构(a)、200次迭代中的自旋演化(b)、仿真与实验的哈密顿量演化比较(c)、最终自旋配置(d)以及显示收敛模式的动态演化图(e)。

最令人印象深刻的是，研究团队通过数字划分挑战展示了系统处理全连接问题的能力。在这种情况下，每个变量都可能与其他每个变量相互作用，创建完全连接的关系网络。传统计算方法在此类问题上表现困难，因为连接数量随问题规模呈二次方增长。

图5：100自旋数字划分问题，显示问题结构(a)、简化连接图(b)、哈密顿量演化(c)以及最终自旋配置(d)，其中系统成功地将数字划分为等和子集。

4

克服技术挑战

走向实用光学伊辛机的过程涉及解决几个技术障碍。相位噪声是一个重大挑战，当光束之间的精确时序关系随时间漂移时就会发生。研究人员开发了一个自动校准系统，定期重置这些相位关系，使系统能够连续稳定运行超过160小时。

团队还必须平衡不同检测方法之间的权衡。外差检测能提供关于光信号的最多信息，需要精确的相位控制，但为较小问题提供最佳性能。对于较大问题，研究人员转换为强度检测，这种方法牺牲了一些信息，但对相位噪声更加稳健。

图6：比较了不同条件下的允许噪声水平与实际系统噪声，显示带有本地振荡器的稀疏矩阵(b)和不带本地振荡器的密集矩阵(c)如何影响系统性能，相比于理想仿真参数(a)。

5

展望未来

这项研究的意义远超实验室演示。研究人员设想将方法集成到光子芯片上，这将显著减少物理尺寸，同时提高速度并降低功耗。当前的集成光子技术，特别是基于硅基光电子和铌酸锂的技术，可能支持在千兆赫速度下运行的更大干涉仪网络。

这种光学计算方法代表了我们可能解决复杂优化问题方式的根本转变。通过利用光的固有并行性和光干涉过程中发生的自然数学运算，这些系统可以为特定类别的问题提供相对于传统电子计算机的显著优势。

研究表明，光子计算方法可以实现与数字计算机竞争的性能，同时在并行处理和功率效率方面提供独特优势。随着技术成熟并朝着集成实现发展，我们可能会看到光学伊辛机在从物流和金融到人工智能和科学建模等领域中处理一些最具挑战性的计算问题时发挥实用作用。

这一突破提醒我们，有时最优雅的解决方案来自于退后一步，对如何使用光和干涉的丰富物理学重新想象计算本身提出基本问题。研究展示了将复杂数学方程与快速光学器件结合执行的潜力，为构建能够处理某些传统计算机难以解决问题的专用计算系统开辟了新路径。