В быстро развивающемся мире отрасли всегда пытаются оптимизировать свои операции и ресурсы. Комбинаторная оптимизация с использованием машины Изинга помогает решить определенные операционные проблемы, например, составить наиболее эффективный маршрут для тура по нескольким городам или оптимизировать доставку ресурсов. Машины Изинга работают, отображая пространство решений в пространство конфигурации спина и вместо этого решая связанную с ним задачу спина. Эти машины имеют широкий спектр применения как в академических кругах, так и в промышленности, решая задачи машинного обучения, дизайна материалов, оптимизации портфеля, логистики и разработки лекарств. Однако для более крупных задач по-прежнему трудно получить оптимальное решение за допустимое время.
Теперь, когда машины Изинга можно оптимизировать, интегрируя многоспиновые флипы в их оборудование, это сложная задача, поскольку по сути это означает полную перестройку программного обеспечения традиционных машин Изинга путем изменения их основных операций. Но группа исследователей с факультета компьютерных наук и средств связи Университета Васэда, состоящая из доцента Тацухико Шираи и профессора Нозому Тогава, предложила новое решение этой давней проблемы.
В своей статье, которая была опубликована в IEEE Transactions on Computers 27 мая 2022 года, они разработали возможный алгоритм многоспинового переворота, деформировав гамильтониан (который является функцией энергии модели Изинга). «Мы разработали гибридный алгоритм, который берет недопустимый многоспиновый флип и вместо этого выражает его в форме допустимого односпинового флипа. Этот алгоритм предлагается вместе с нашим процессом слияния, в котором исходный гамильтониан сложной комбинаторной задачи деформируется в новый гамильтониан, проблема, которую может легко решить аппаратное обеспечение традиционной машины Изинга», — объясняет Тацухико Шираи.
Недавно разработанные гибридные процессы Изинга полностью совместимы с текущими методами и оборудованием, что снижает трудности при их широком применении. «Мы применили процесс гибридного слияния к нескольким распространенным примерам сложных задач комбинаторной оптимизации. Наш алгоритм показывает превосходную производительность во всех случаях. Он снижает остаточную энергию и достигает более оптимальных результатов за более короткое время — это действительно беспроигрышный вариант», — заявляет Нозому. Тогава.
Их работа позволит отраслям решать новые сложные проблемы оптимизации и поможет решить проблемы, связанные с изменением климата, такие как увеличение спроса на энергию , нехватка продовольствия и реализация целей устойчивого развития (ЦУР). «Например, мы могли бы использовать это для оптимизации проблем планирования отгрузки и доставки в промышленности, чтобы повысить их эффективность при одновременном снижении выбросов углекислого газа», — добавляет Тацухико Шираи.
Эта новая технология напрямую увеличивает количество приложений, в которых машина Изинга может реально использоваться для получения решений. В результате метод машины Изинга может все шире использоваться в машинном обучении и науке об оптимизации. Технология команды не только повышает производительность существующих машин Изинга, но и обеспечивает план разработки новых архитектур машин Изинга в ближайшем будущем. С алгоритмом слияния, который продвигает машины Изинга дальше на новые неизведанные территории, будущее оптимизации и, следовательно, практики устойчивого развития выглядит ярким.
