一台能够像自然界那样思考的新型计算机，正尝试解决当前最棘手的组合优化问题。来自全球多个机构的神经形态工程团队，在FPGA上实现了一种名为“高阶神经形态伊辛机”的系统，它融合了福勒-诺德海姆量子隧穿退火机制和脑启发自编码器架构，能以硬件原生的方式快速搜索指数级爆炸的可能性空间，从而为蛋白质折叠、物流网络、芯片布线等难题找到近乎最优的解。研究成果已发表在《自然·通讯》上。
为什么现有方法不够
当代AI可以写作、操控航天器，但面对组合优化问题时常力不从心。这类问题需要在一个随变量数量增长而指数膨胀的“崎岖能量景观”中寻找最低能量状态，相当于在所有可能路线、排程或构象里找到全局最优。传统数字计算机依赖串行搜索或启发式算法，极易陷入局部最优；而摩尔定律的放缓也让单纯提升算力这条老路走到尽头。团队在论文中明确提出，下一步的性能飞跃将不再来自更小的制程节点，而是来自根本不同的计算架构。
像自然一样“寻找”答案
新架构的核心思想并不是直接计算出答案，而是让机器像自然系统那样去“搜索”稳定的低能状态。神经形态自编码器负责将高维问题压缩并映射到伊辛模型上，随后福勒-诺德海姆退火处理器利用电子量子隧穿效应，快速遍历无数种可能配置，并通过噪声和热力学退火逐渐收敛到全局最优。这一过程类似蛋白质折叠：从无规卷曲开始，途经熔球中间态，最终落入能量最低的稳定折叠构象。由于采用成熟的CMOS工艺，该设计有望绕过量子计算机的规模和冷却限制，为实际应用中的大规模组合优化提供一条可扩展路径。
编注：信源为印度科学理工学院（IISc）官网新闻稿，报道了一项发表于《自然·通讯》的神经形态计算合作研究。材料侧重技术原理与多机构协作背景，未提供具体性能数据或商业化信息。