2026年7月2日——解决复杂的优化问题是许多现代技术的核心，涉及领域从物流、金融建模到芯片设计、通信和人工智能（AI）。然而，随着这些问题规模的扩大，传统计算机往往需要耗费大量的时间和能源来寻找良好的解决方案。

由新加坡国立大学（NUS）设计与工程学院电机与计算机工程系杨贤秀教授领导的研究团队开发了新型自旋电子计算硬件，为实现更快、更节能的优化提供了一条前景广阔的道路。该团队在《自然·通讯》上报告了两项最新进展，展示了基于磁性隧道结的概率计算系统，这些纳米级器件能够自然产生可调谐的随机性。

超越传统计算的实用路径

长期以来，量子计算一直被视为优化领域的潜在突破，但在短期内，实用的量子优势仍然难以实现。NUS团队的研究表明，利用可扩展的自旋电子硬件构建的概率计算，可以提供一条更直接、硬件效率更高的路径。

在第一项研究中，研究人员展示了一种基于并行磁性隧道结的概率伊辛处理器，用于解决二次分配问题——这是一类计算要求极高的优化问题。该系统在一种大规模并行架构中集成了144个紧凑型自旋电子可调谐随机数生成器。与使用中央处理器（CPU）的实现相比，该处理器实现了3.2倍的加速比，并节省了58.3%的能耗。

重要的是，该团队将其系统与最先进的D-Wave量子退火器进行了比较。在所测试的二次分配问题中，自旋电子概率处理器在整个数据集上持续产生可行的高质量解决方案，而随着问题规模增大，量子退火器却难以返回可行解。这一对比凸显了自旋电子概率计算作为现实世界优化工作负载的近期实用替代方案的潜力。

杨教授表示：“量子计算仍是一个令人兴奋的长期方向，但许多优化问题现在就需要实用的解决方案。我们的研究结果表明，自旋电子概率计算能够利用一个更接近实际部署的硬件平台，在速度、能效和解决方案质量方面带来显著提升。”

在第二项研究中，该团队展示了一种基于250个自旋转移矩磁性隧道结的更大规模概率伊辛机。这项工作表明，一种集群并行更新方法可以在不改变硬件的情况下，实现对稀疏连接图的10倍加速。研究人员还通过实验表明，与传统模拟退火相比，模拟量子退火将解决方案质量提高了20倍，同时增强了对器件变异性的鲁棒性。

NUS设计与工程学院博士生、两篇论文的第一作者杨书涵先生说：“我们没有将随机性视为误差来源，而是将其用作一种计算资源。通过将随机磁器件与并行架构以及先进的退火算法相结合，我们可以在降低能耗的同时加速优化。”这两项研究共同解决了概率计算中面临的关键挑战：性能、可扩展性、能效和解决方案质量。

参与这项研究的合作者来自印度理工学院马德拉斯分校、巴里理工大学、墨西拿大学、意大利国家地球物理与火山学研究所和北京大学。

潜在应用与下一步计划

展望未来，该团队的目标是进一步扩展硬件规模，并探索基于小芯片的架构，用于大规模概率计算。此类系统最终可能为AI、物流、调度、金融建模、通信和电子设计自动化等领域提供节能计算平台。