基于并行磁隧道结的概率伊辛处理器，用于高效二次优化

为何更快的问题求解很重要

从规划配送路线到在工厂车间布置机器，许多日常任务的核心隐藏着一个深层难题：如何从海量可能性中挑出最优排列。随着问题规模增长，即便强大的计算机也可能耗时很久并消耗大量能量。本文介绍了一种新型专用硬件，它利用微小磁性器件和可控的随机性，比标准芯片更快、更高效地搜索良好解，甚至能与现代量子设备竞争。

匹配地点与任务的难题

这些难题中最棘手的例子之一称为二次指派问题。它描述了若干设施必须被分配到若干地点的情形，代价不仅取决于距离，还取决于每对设施之间的相互作用强度。与那些每个城市或点只关心少数邻居的简单问题不同，这里每一对选择都可能影响其他所有选择。这种密集的相互作用网络使可能的排列数量爆炸式增长，传统方法一旦问题超过几十个设施通常就难以应对。由于类似模式出现在芯片设计、数据中心和生物信息学领域，找到更好的处理方法可以惠及许多行业。

利用磁性来驾驭随机性

研究人员基于一种称为伊辛模型的物理系统展开工作，其中每个变量就像一个可指向两种方向的微小自旋。问题的最优解对应于所有自旋的最低能量排列。为探索不同排列，他们的机器使用磁性隧道结——与磁性存储芯片中相同的基本元件。每个隧道结包含一个固定磁层和一个由薄势垒隔开的自由磁层。当施加短脉冲电压时，自由层可以以一种随机但可控的方式翻转。通过调节脉冲，团队能设置每个元件翻转的概率，从而有效地将这些隧道结既变成随机数发生器，又成为遵循伊辛模型规则的决策单元。

高度并行的磁性处理器

系统的核心是一块载有144个此类磁性器件的电路板，这些器件被分组为处理单元，并由数模和模数转换器驱动，连接到现场可编程门阵列（FPGA）。在搜索的每一步，FPGA计算如果任一自旋翻转总体能量将如何变化，并将这些数值一次性转换为作用于所有隧道结的电压。每个器件随后基于其内建的随机性独立决定是否翻转。一个称为仲裁器的巧妙电路利用来自额外隧道结的更多随机位来选择最终执行哪个被接受的翻转，以确保整体过程仍遵循正确的统计规律。在运行问题之前，团队仔细校准每个隧道结，使其开关行为符合标准的S形曲线，从而提高了整个阵列的一致性。

击败传统与类量子方法

作者在一组规模逐渐增大的指派问题上测试了他们的磁性处理器，并将其与运行在高端中央处理器、强劲图形处理器上的软件以及来自D‑Wave的商业量子退火硬件进行了比较。采用一种称为并行试探退火（parallel‑trial annealing）的方案，同时评估许多候选翻转，他们的系统在达到近似最优解方面，比在相同硬件上运行的标准模拟退火算法快多达123倍，同时能耗降低了98.3%。与在传统处理器上精心编码的版本相比，仍能实现超过三倍的加速并带来显著能量节省。对于量子机器，研究发现针对这种完全连接的问题，它们仅能可靠地处理最小的测试用例，随着规模增长常常无法返回有效解，而磁性处理器在整个范围内保持了高质量的解。

对未来计算的意义

这项工作表明，通过将物理与算法紧密耦合，有可能构建紧凑且能效高的硬件，专门针对一类困难问题。随着磁性存储技术成熟，并能将数百万个此类隧道结与标准电子元件封装到单芯片上，类似的处理器将能够解决更大规模的实际调度、路由与设计任务。这样的概率磁性机器并非取代通用或量子计算机，而是提供了一条实用的近期路径，让自然自身探索可能性的能量景观，从而加速优化过程。

引用: Yang, S., Bao, Y., Humianto, E. et al. A parallel magnetic tunnel junction-based probabilistic Ising processor for efficient quadratic optimization. Nat Commun 17, 4616 (2026). https://doi.org/10.1038/s41467-026-71128-1

关键词: 概率计算, 磁性隧道结, 二次指派问题, 伊辛机器, 硬件优化