您是否曾经遇到过这样的问题，您必须从许多可能的选项中找到最佳解决方案，例如找到到某个地方的最快路线，同时考虑到距离和交通?

如果是这样，您正在处理的问题是正式称为“组合优化问题”的问题。虽然在数学上是公式化的，但这些问题在现实世界中很常见，并且出现在多个领域，包括物流，网络路由，机器学习和材料科学。

然而，大规模的组合优化问题在计算上非常密集，无法使用标准计算机来解决，这使得研究人员转向其他方法。其中一种方法是基于“Ising模型”，该模型在数学上表示铁磁性材料中原子的磁性方向或“自旋”。

在高温下，这些原子自旋是随机定向的。但随着温度的降低，自旋会排列到最小能量状态，其中每个自旋的方向取决于其邻居。事实证明，这个过程被称为“退火”，可用于对组合优化问题进行建模，使得自旋的最终状态产生最优解。

研究人员已经尝试使用量子器件创建模拟自旋行为的退火处理器，并试图使用大规模集成(LSI)技术开发半导体器件，旨在做同样的事情。特别是川原孝之教授在东京理科大学(TUS)的研究小组在这一特定领域取得了重大突破。

2020年，川原教授和他的同事在2020年国际会议IEEE SAMI 2020上发表演讲，这是首批完全耦合(即考虑所有可能的自旋 - 自旋相互作用，而不是仅与相邻自旋相互作用)LSI退火处理器之一，包括512个全连接自旋。

他们的工作发表在IEEE电路和系统学报I：常规论文上。众所周知，这些系统很难实施和升级，因为需要考虑的自旋之间的连接数量庞大。虽然并行使用多个完全连接的芯片是可扩展性问题的潜在解决方案，但这使得芯片之间所需的互连(导线)数量过大。

在最近发表在《微处理器和微系统》杂志上的一项研究中，川原教授和他的同事展示了解决这个问题的聪明方法。他们开发了一种新方法，其中系统能量状态的计算首先在多个完全耦合的芯片之间分配，形成“阵列计算器”。

然后，第二种类型的芯片称为“控制芯片”，然后从其余芯片收集结果并计算总能量，用于更新模拟自旋的值。“我们的方法的优势在于芯片之间传输的数据量非常小，”川原教授解释说。“虽然它的原理很简单，但这种方法使我们能够实现一个可扩展的、完全连接的LSI系统，通过模拟退火来解决组合优化问题。

研究人员使用商用FPGA芯片成功实施了他们的方法，这些芯片是广泛使用的可编程半导体器件。他们构建了一个具有384个自旋的全连接退火系统，并用它来解决几个优化问题，包括一个92节点的图形着色问题和一个384节点的最大切割问题。

最重要的是，这些概念验证实验表明，所提出的方法带来了真正的性能优势。与对同一退火系统进行标准现代CPU建模相比，FPGA的实现速度提高了584倍，在解决最大切割问题时能效提高了46倍。

现在，随着他们的方法在FPGA中的工作原理的成功演示，研究人员计划将其提升到一个新的水平。“我们希望生产一种定制设计的LSI芯片，以增加容量并大大提高我们方法的性能和功率效率，”Kawahara教授说。“这将使我们能够实现材料开发和药物发现领域所需的性能，这涉及非常复杂的优化问题。

最后，川原教授指出，他希望促进其成果的实施，以解决社会中的实际问题。他的团队希望与公司进行联合研究，并将他们的方法带入半导体设计技术的核心，为半导体的复兴打开大门。