Beschleunigung einer kohärenten Ising‑Maschine durch XY‑Ising‑Spin‑Übergang

Warum schnellere Problemlöser wichtig sind

Viele Aufgaben in Naturwissenschaft, Technik und sogar Logistik laufen darauf hinaus, eine enorme Zahl von Möglichkeiten zu durchsuchen, um die beste Anordnung zu finden – etwa die Routenplanung für Lieferfahrzeuge, das Entwerfen von Kommunikationsnetzen oder das Trainieren bestimmter Machine‑Learning‑Modelle. Herkömmliche Computer tun sich mit solchen „kombinatorischen Optimierungs“problemen oft schwer, weil der Suchraum explosionsartig wächst. Diese Arbeit untersucht einen neuen Weg, spezialisierte optische Maschinen zu beschleunigen, die solche Probleme angehen, indem man ihnen erlaubt, sich kurzzeitig weniger wie starre digitale Bits und mehr wie stufenlos verstellbare Regler zu verhalten.

Lichtbasierte Maschinen, die Magneten nachahmen

Im Mittelpunkt steht die kohärente Ising‑Maschine, ein optisches System, das schwierige Probleme löst, indem es nachahmt, wie eine Sammlung wechselwirkender Spins (wie winzige Stabmagneten) in eine energiearme Konfiguration einsinkt. In diesen Maschinen zirkulieren kurze Laserpulse in einem Faser‑Ring und wechselwirken über optische Verzögerungsleitungen, sodass sich jeder Puls effektiv „von“ jedem anderen beeinflusst fühlt und damit das zu lösende Problem kodiert. Üblicherweise wird jeder Puls in einen von zwei stabilen Phasenzuständen gezwungen, analog zu Spin‑Up oder Spin‑Down, sodass die Maschine wie ein Netzwerk binärer Variablen arbeitet, das nach dem energieärmsten Zustand eines die Optimierungsaufgabe repräsentierenden Ising‑Modells sucht.

Spins in einer glatteren Welt bewegen lassen

Die Autoren zeigen, dass dieses starre Zwei‑Zustands‑Verhalten die Suche tatsächlich verlangsamen kann. Sobald die Pulse in binäre Zustände gesperrt sind, kann das System in lokalen Energielokalen steckenbleiben und einzelne Spins nur schwer umklappen, um eine bessere Gesamtanordnung zu erreichen. Um diese Einschränkung zu lockern, ersetzen sie den üblichen phasenempfindlichen optischen Verstärker durch einen phasenunabhängigen, wodurch sogenannte XY‑Spins entstehen. Statt sich nur zwischen zwei Richtungen entscheiden zu müssen, kann die Phase jedes Pulses nun irgendwo auf einem Kreis liegen, was dem System zusätzliche Freiheit gibt, um Energiebarrieren hinwegzugleiten. Diese zusätzliche Freiheit schafft kontinuierliche Wege für „Spin‑Flips“, die der Maschine helfen, aus lokalen Fallen zu entkommen und weiter die Landschaft möglicher Lösungen zu erkunden.

Glattes und binäres Verhalten im Zeitverlauf mischen

Anstatt vollständig im glatten XY‑Modus oder vollständig im binären Ising‑Modus zu laufen, entwerfen die Forscher einen steuerbaren Übergang zwischen beiden. Sie realisieren dies, indem sie zwei Typen optischer parametrischer Verstärker kaskadieren und deren Pumpleistungen im Verlauf einer Laufzeit anpassen, wodurch die Maschine während eines Durchlaufs allmählich von XY‑ähnlichem zu Ising‑ähnlichem Verhalten wechselt. Zu Beginn durchstreifen die Spins frei den zweidimensionalen Raum und probieren viele Konfigurationen; später schärfen sich die Dynamiken und projizieren diese kontinuierlichen Phasen auf binäre Entscheidungen, die die endgültige Antwort bestimmen. Numerische Simulationen an einer Klasse von Benchmark‑Problemen, den sogenannten Wishart‑planted Instanzen – bei denen die korrekte Lösung vorher bekannt ist und die Schwierigkeit einstellbar ist – zeigen, dass dieser XY‑zu‑Ising‑Zeitplan die Wahrscheinlichkeit, innerhalb einer gegebenen Laufzeit das wahre Optimum zu erreichen, deutlich verbessert.

Das Timing für die härtesten Probleme abstimmen

Das Team quantifiziert die Leistung über die „Zeit bis zur Lösung“, also die erwartete Gesamtzahl der Zirkulationsdurchläufe im Resonator, die nötig sind, um eine hohe Zielerfolgswahrscheinlichkeit zu erreichen. Für mittelgroße Probleme (60 Spins) benötigt eine konventionelle binäre Ising‑Maschine viele tausend Durchläufe. Reine XY‑Spins verkürzen diese Zeit bereits, doch die Hybridstrategie, die im XY‑Modus beginnt und langsam in den Ising‑Modus übergeht, reduziert die Zeit bis zur Lösung um etwa den Faktor drei. Bei besonders schwierigen Instanzen – mit extrem rauer Energielandschaft – kann die Verbesserung sich bis hin zu einer Größenordnung erstrecken. Die Autoren zeigen außerdem, dass die Leistung empfindlich davon abhängt, wie schnell der Übergang erfolgt: zu schnell und das System verhält sich wie die alte binäre Maschine; zu langsam und es nutzt den vollen Vorteil der Binarisierung nie aus.

Flexibilität intelligent wieder einführen

Einen Schritt weiter erlauben die Forscher der Maschine, während eines Laufs mehrfach in das XY‑Regime zurückzuspringen. Mithilfe einer Optimierungsmethode, die den Übergangsplan selbst als ein einstellbares Objekt behandelt, finden sie Muster, bei denen das System periodisch in die glatten XY‑Dynamiken entspannt, wenn es feststeckt, und dann zum strengeren Ising‑Verhalten zurückkehrt, um Verbesserungen zu verankern. Dieser adaptive Zeitplan liefert gegenüber dem einfachen Einweg‑Übergang eine zusätzliche Beschleunigung und legt nahe, dass die dynamische Kontrolle über die interne „Dimensionalität“ der Spins – wie viele Richtungen ihnen erlaubt sind – ein mächtiges Gestaltungsinstrument für künftige physikalische Optimierer sein kann.

Was das für künftiges Rechnen bedeutet

Anschaulich zeigt die Arbeit, dass eine optische Problemlösungsmaschine besser arbeitet, wenn ihre internen Variablen zunächst frei in viele Richtungen wackeln dürfen, bevor sie in eine Ja‑oder‑Nein‑Entscheidung festgezurrt werden. Indem sie steuern, wie und wann diese Freiheit gewährt oder entzogen wird, demonstrieren die Autoren große Reduktionen der Lösungszeit bei anspruchsvollen Testproblemen und skizzieren, wie solche Hybride vollständig mit optischen Bauteilen realisiert werden könnten. Dieser Ansatz weist den Weg zu schnellerer, energieeffizienter Hardware für die Bewältigung komplexer Optimierungsaufgaben, die für Technologie und Datenwissenschaft zunehmend zentral sind.

Zitation: Kim, K., Yamamoto, Y. Accelerating a coherent Ising machine by XY-Ising spin transition. Sci Rep 16, 10396 (2026). https://doi.org/10.1038/s41598-026-41315-7

Schlüsselwörter: kohärente Ising‑Maschine, optische Verarbeitung, kombinatorische Optimierung, XY‑Spin‑Dynamik, physikalisches Annealing