训练人工智能模型所需的能量巨大，当前的计算技术面临着芯片处理能力的物理限制。工程师们正在努力设计能够处理一类名为组合优化问题的复杂任务的计算机。这类挑战是许多日常应用的核心，包括电信规划、调度和旅行路线优化。
加州大学洛杉矶分校和加州大学河滨分校的合作团队提出了一种新策略来克服这些局限性，并解决一些最棘手的优化问题。他们的系统并非将所有信息以数字方式呈现，而是通过一个振荡器网络（以特定频率来回移动的组件）来处理数据。这种被称为伊辛机的架构擅长并行计算，能够同时运行多个计算。当振荡器达到同步时，问题的解决方案就找到了。
在发表于《物理评论应用》的报告中 ，研究人员描述了一种依赖于量子特性的设备，该特性将材料内部的电活动与振动联系起来。与大多数现有的量子计算法不同，这些方法必须冷却到极低的温度才能保持量子态，而该设备可以在室温下运行。
图：（上图）扫描电子显微镜图像，显示耦合振荡器电路中的电荷密度波器件通道。为清晰起见，使用了伪彩色。耦合振荡器电路原理图。（下图）求解最大切割优化问题的示意图，其中显示了 6 × 6 连通图、使用连通矩阵中描述的权重对六个耦合振荡器的电路表示以及相位灵敏度函数的值。图片来源：Alexander Balandin
“我们的方法是受物理启发的计算，它最近被认为是解决复杂优化问题的一种很有前途的方法，”通讯作者、加州大学洛杉矶分校萨缪尔利工程学院方陆工程教授兼材料科学与工程杰出教授亚历山大·巴兰丁 (Alexander Balandin) 说道。“它利用涉及强关联电子-声子凝聚态的物理现象，直接通过物理过程进行计算，从而实现更高的能源效率和速度。”
研究表明，振荡器自然演化到基态，在基态下它们同步，从而使机器能够解决组合优化问题。
亚历山大·巴兰丁
巴兰丁和他的同事们利用一种特殊材料，弥合了量子力学（支配亚原子粒子相互作用的反直觉规则）与日常生活中更为常见的物理学之间的差距。他们的原型硬件基于一种硫化钽，这种“量子材料”能够揭示电相和振动相之间的切换。新技术具有低功耗运行的潜力；同时，它可以与传统的硅技术兼容。
“任何基于物理的新型硬件都必须与标准的数字硅CMOS技术集成，才能对数据信息处理系统产生影响，” 加州大学洛杉矶分校（UCLA）加州纳米系统研究所 （CNSI）成员巴兰丁说道。“我们为此次演示选择的二维电荷密度波材料就具备实现这种集成的潜力。”
参考文献：“用于解决组合优化问题的电荷密度波量子振子网络”，作者：Jonas Olivier Brown、Taosha Guo、Fabio Pasqualetti 和 Alexander A. Balandin，2025 年 8 月 18 日， 《应用物理评论》 。DOI: 10.1103/zmlj-6nn7
本研究中的耦合振荡器是在由 CNSI 和 UCLA Samueli 联合运营的 UCLA 纳米制造实验室建造的，并在 UCLA 的声子优化工程材料实验室进行了测试。
该研究由海军研究办公室和陆军研究办公室资助。
