量子科技中心_量科网

随着NP难问题规模扩大，组合优化问题会变得计算难解。该团队先前提出了提取型多数表决逻辑（E-MVL）——一种采用数字逻辑电路的量子启发算法。通过控制自旋相互作用的稀疏化，E-MVL模拟了模拟退火（SA）的热自旋动力学，从而实现高效基态搜索。本研究通过系统化优化和与SA的全面基准测试，探究了E-MVL的性能潜力。目标问题是具有双模态和高斯耦合分布的Sherrington-Kirkpatrick（SK）模型。通过平衡态分析，研究人员证明稀疏控制机制能对解空间进行一致性搜索，不受问题耦合分布（双模态/高斯）或规模影响。该工作不仅在所有测试算法中取得最佳性能——在最佳SA基线仅限于400个自旋时，可求解多达1600个自旋的精确解——还为显著改进SA自身的温度调度机制提供了洞见。这些成果确立了E-MVL作为高效优化器和提升SA性能实用方法的双重贡献。此外，其FPGA实现比SA获得约6倍的求解速度提升。