以光速解决复杂的问题

在科学和工程的各个学科中遇到的许多最具挑战性的优化问题，从生物学和药物发现到路由和调度，都可以简化为NP完全问题。直观地说，NP完全问题是“难以解决的”，因为为了找到解决方案而必须执行的操作的数量随着问题的规模成指数增长。
       NP完全问题的普遍性导致了专用硬件(如光学和量子热处理机如“D-Wave”)和特殊算法(启发式算法如模拟退火法)的发展。 最近，人们对设计光学机器来解决这些复杂的组合问题越来越感兴趣。这些光学机器由一组光学变换组成，这些变换被传递给一个光学信号，这样光学信号经过一定的计算后就可以对问题的解决方案进行编码。这些机器可以受益于集成到硅光电子的光学硬件的基本优势，如低损耗、并行处理、低光功率的光学无源性和行业制造工艺的发展所带来的鲁棒可扩展性。
       然而，利用专门的算法来优化利用这种硬件的性能的紧凑型、快速的光子硬件的发展一直是缺乏的。 如今，集成光子学的路径解决NP完全问题是开放的，这项工作由来自麻省理工学院和纳米技术研究所的研究人员们发表在《Nature Communications》上。在这项工作中，麻省理工学院的研究小组开发了一种算法，致力于解决众所周知的NP 完全信息处理问题的光子学硬件。
       最初提出的模型磁系统，伊辛模型描述了一个自旋网络，只能指向上或下。每个自旋的能量取决于它与邻近自旋的相互作用——例如，在铁磁体中，最近的自旋之间的正相互作用将激励它与最近的自旋保持一致。伊辛机器将倾向于找到使自旋网络总能量最小化的自旋结构。这个解可以转化为其他优化问题的解。 启发式伊辛机器，就像麻省理工学院团队开发的那种，只能产生问题的候选解决方案(平均而言，接近最优解决方案)。然而，总是能够找到问题的精确解决方案的算法很难应用于大型问题，因为它们通常需要运行数小时(如果不是数天)才能终止。因此，启发式算法是精确算法的另一种选择，因为它们为难题提供快速和廉价的解决方案。
       研究人员以他们的基础光子学知识为指导，麻省理工学院的Marin Solja?i教授解释道：“光学计算是一个非常古老的研究领域。因此，我们必须确定最近在光子硬件方面的哪些进展可以带来改变。换句话说，我们必须认清现代光子学的价值主张。研究生Charles Roques-Carmes补充道：”我们认为这个价值主张是:(a)执行快速而廉价的固定矩阵乘法;(b)进行有噪声的计算，这意味着计算结果在不同的运行中略有不同，有点像抛硬币。因此，这两个要素是我们工作的基石。” 在开发该算法并对各种问题进行基准测试时，研究人员发现了各种相关算法，这些算法也可以在光子学中实现，从而更快地找到解决方案。
       博士后助理Yichen Shen博士对这项工作的前景充满热情：“利用集成光子学提高计算能力的领域目前正在蓬勃发展，我们相信这项工作可以成为其中的一部分。由于我们开发的算法最优地利用了光子硬件的优缺点，我们希望它能找到一些短期的应用。”麻省理工学院的研究团队目前正在与其他团队合作，以实现概念验证实验，并在光子硬件上对他们的算法进行基准测试，与其他光子机器和在计算机上运行的传统算法进行对比。

图：一个光子模拟信号，编码当前的自旋态S(t)，在线性光子和非线性光电子域进行转换。这个变换的结果S(t+1)被递归地反馈到这个无源光子系统的输入端