组合优化问题是许多工业流程的根源，解决这些问题是实现更可持续和更高效未来的关键。Ising(伊辛)机可以解决某些组合优化问题，但需要通过多旋转翻转来提高它的效率。研究人员现在开发了一种合并算法来解决这个效率难题，这种算法将多自旋翻转伪装成了更简单的单自旋翻转。该技术能在更短的时间内为难以解决的计算问题提供了最佳解决方案。

在快速发展的世界中，各行各业一直在努力优化其运营和资源。使用伊辛机进行组合优化有助于解决某些运营问题，例如为多城市旅游绘制最有效的路线或优化资源交付。伊辛机通过将解空间映射到自旋配置空间上，并靠解决相关的自旋问题来运行。这些机器在学术界和工业界都有广泛的应用，可解决机器学习、材料设计、投资组合优化、物流和药物发现方面的问题。然而，对于较大型的问题，仍然难以在合理的时间内获得最优解。

现在，虽然伊辛机可以通过将多旋转翻转集成到其硬件中来进行优化，但这是一项具有挑战性的任务，因为它本质上意味着要改变传统伊辛机的基本操作，并且会彻底颠覆它们的软件。但是，来自早稻田大学计算机科学与通信工程系的一组研究人员，为这个长期存在的问题提供了一种新的解决方案。该研究团队由早稻田大学的助理教授Tatsuhiko Shirai和Nozomu Togawa教授带领。

在他们于5月27日发表在《IEEE计算机汇刊》上的一篇论文中，他们通过变形哈密顿量(这是Ising模型的能量函数)设计了一种可行的多自旋翻转算法。Tatsuhiko Shirai解释道：“我们开发了一种混合算法，它将不可行的多自旋翻转转化为可行的单自旋翻转。这个算法是和我们的合并过程一起提出的，在合并过程中，一个困难的组合问题的原始哈密顿量被变形为一个新的哈密顿量，使它成为了一个传统伊辛机硬件可以很容易地解决的问题。”

这种新开发的混合Ising工艺与现有的方法和硬件完全兼容，并减少了其广泛应用的挑战。Nozomu Togawa教授说道：“我们将混合合并过程应用于困难组合优化问题的几个常见示例里。我们的算法在所有情况下都显示出卓越的性能。它减少了剩余能量，并能在更短的时间内达到了一个更优的结果，这真的是一个双赢的结果。”

他们的工作将使行业能够解决新的复杂优化问题，并帮助解决与气候变化相关的问题，例如能源需求增加、粮食短缺和可持续发展目标(SDG)的实现。Tatsuhiko Shirai补充道：“例如，我们可以使用它来优化行业中的运输和交付计划问题，在提高效率的同时，还能减少二氧化碳的排放。”

这项新技术直接增加了伊辛机可用于生产解决方案的应用数量。因此，伊辛机方法可以越来越多地用于机器学习和优化科学。该团队的技术不仅提升了现有伊辛机的性能，还为近期开发的新伊辛机架构提供了蓝图。随着这种合并算法能将伊辛机进一步推向新的未知领域，优化的未来以及可持续性实践看起来一片光明。（编译:Qtech）