玻色量子与北京师范大学在光量子计算领域持续突破，《Quantum》发表SNN-CIM

?2023年10月，北京玻色量子科技有限公司（以下简称“玻色量子”）联合北京师范大学研究团队在知名科技期刊Quantum发表了以《Combinatorial optimization solving by coherent Ising machines based on spiking neural networks（基于脉冲神经网络的相干伊辛机的组合优化问题求解）》为题的学术论文。

这是玻色量子联合北京师范大学在共同打造“相干光量子算力平台”过程中的持续成果产出之一。值得注意的是，该成果也代表了相干光量子计算在大规模组合优化问题的求解上继续保持显著算力优势。

论文发表

以下为本文的主要研究内容：

组合优化问题在计算机科学的各个领域都具有重要的研究意义，如药物设计、财务管理、电路设计等行业。一般来说，组合优化问题属于非确定性多项式时间复杂度类（NP）。在解决旨在最大化增益或最小化损失的组合优化问题时，需要在候选对象之间有效地选择最佳组合🔗。这时，相干光量子计算在组合优化问题的求解上颇具优势，但在大规模问题求解过程中，相干光量子计算模型中容易出现“振幅异质性”（即振子的振幅不相等）的现象，这是相干量子计算领域一个重要的技术难题。

在这项研究工作中，联合研究团队通过设计一个光学尖峰神经网络，解决了相干光量子计算过程中的“振幅异质性”问题。研究发现，它可以在组合优化问题上大幅加快计算速度。本文利用反对称耦合的简并光学参量振子脉冲和耗散脉冲构造了“尖峰神经网络”。根据尖峰神经元的动态行为，选择一个非线性传递函数来减轻振幅的不均匀性，在组合优化问题的计算过程中，它能实现振幅的异质性，并“冻结”在局部极小值中。而通过控制尖峰神经元的耗散参数，就可以控制相空间体积的收缩速率和收缩方向，使得系统加速完成大规模计算。

数值计算结果表明，采用尖峰神经网络的相干光量子计算在组合优化问题上具有良好的性能，将能为神经计算和光学计算提供新的研究思路。

图1 相干光量子计算架构和网络原理图

图2 脉冲神经元的动力学行为

未来，玻色量子将持续升级自研相干光量子计算机真机——“天工量子大脑”🔗，并不断拓展其在AI领域的真机测试与场景验证，以充分发挥自身在光量子计算领域的算力优势，携手更多合作伙伴联合实现技术突破并助推量子计算技术飞速发展。

原论文链接：https://quantum-journal.org/papers/q-2023-10-24-1151/