量子計(jì)算機(jī)基于量子比特（又稱“量子位”）執(zhí)行運(yùn)算任務(wù)，在解決多體問(wèn)題、路徑規(guī)劃問(wèn)題等復(fù)雜問(wèn)題方面相較經(jīng)典計(jì)算機(jī)有巨大優(yōu)勢(shì)。但是，由于量子計(jì)算需要通過(guò)昂貴的實(shí)驗(yàn)設(shè)備構(gòu)建，且在低溫操作、相干時(shí)間控制、容錯(cuò)等方面仍面臨巨大挑戰(zhàn)，仍需經(jīng)歷較長(zhǎng)的發(fā)展階段。

在此背景下，研究人員基于電子集成電路開(kāi)發(fā)出具有概率比特（又稱“概率位”）的概率計(jì)算機(jī)，并將其視作向量子計(jì)算過(guò)渡的中間方案。這種計(jì)算機(jī)通過(guò)對(duì)概率的數(shù)值運(yùn)算進(jìn)行問(wèn)題求解，在解決非線性規(guī)劃、多體系統(tǒng)問(wèn)題方面具有性能優(yōu)勢(shì)，且能在常溫條件下運(yùn)行，因此更加接近實(shí)用。

一、概率計(jì)算原理簡(jiǎn)介

多年來(lái)，研究人員不斷探索蒙特卡洛算法在金融風(fēng)險(xiǎn)分析、藥物開(kāi)發(fā)、供應(yīng)鏈物流以及物理和化學(xué)研究工作中的潛在應(yīng)用。蒙特卡洛算法以概率統(tǒng)計(jì)理論為指導(dǎo)，通過(guò)統(tǒng)計(jì)與數(shù)值分析來(lái)求解復(fù)雜問(wèn)題。經(jīng)典計(jì)算機(jī)在這一問(wèn)題上的效率較低，需要耗費(fèi)大量的時(shí)間與能源。

量子計(jì)算機(jī)中，量子位組成的系統(tǒng)可以通過(guò)許多可能路徑演化到最終狀態(tài)，而選擇哪種路徑完全是一種偶然。通過(guò)將每種路徑的概率振幅相加來(lái)得到最終的概率振幅，將總概率振幅的模進(jìn)行平方運(yùn)算得到最終的實(shí)際概率。由于量子位可以并行工作，量子計(jì)算機(jī)對(duì)于某些特定任務(wù)的運(yùn)算速率遠(yuǎn)超經(jīng)典計(jì)算機(jī)。然而，概率振幅是一個(gè)復(fù)數(shù)，因此可能出現(xiàn)“負(fù)概率”的錯(cuò)誤情況，需要通過(guò)Shor算法、Grover算法等算法來(lái)精心編排運(yùn)算路徑，從而抵消錯(cuò)誤的“負(fù)概率”路徑的影響。

研究人員參考了量子計(jì)算機(jī)的工作原理，設(shè)計(jì)了使用概率位工作的概率計(jì)算機(jī)，將所有實(shí)現(xiàn)路徑的概率相加來(lái)得到最終概率。量子計(jì)算機(jī)需要屏蔽電磁場(chǎng)干擾、在接近絕對(duì)零度的超低溫下才能進(jìn)行工作，而概率計(jì)算機(jī)可以基于硅基電子電路設(shè)計(jì)，可以在常溫下工作。

因此，普渡大學(xué)電氣和計(jì)算機(jī)工程教授、概率計(jì)算先驅(qū)之一蘇普里約·達(dá)塔（Supriyo Datta）認(rèn)為，對(duì)于涉及復(fù)數(shù)的算法，量子計(jì)算機(jī)能夠展現(xiàn)出無(wú)與倫比的優(yōu)越性，但對(duì)于解決涉及正數(shù)數(shù)值運(yùn)算的隨機(jī)變量問(wèn)題，概率計(jì)算可能具有相當(dāng)大的競(jìng)爭(zhēng)力。

一般而言，研究人員使用自旋態(tài)粒子構(gòu)建單個(gè)概率位，利用其隨機(jī)的“上”和“下”兩種狀態(tài)表示二進(jìn)制運(yùn)算中的0和1，每種狀態(tài)的概率均為50%。概率位表現(xiàn)為隨機(jī)的純?cè)肼?，不攜帶任何信息。然而，將多個(gè)概率位耦合，利用概率位之間相互影響的復(fù)雜相關(guān)性，可以構(gòu)建概率計(jì)算機(jī)，從而有效地解決優(yōu)化問(wèn)題。

二、概率計(jì)算機(jī)的實(shí)現(xiàn)方式

目前，研究人員提出了兩種構(gòu)建概率計(jì)算機(jī)的方式，分別是通過(guò)傳統(tǒng)電路與隨機(jī)數(shù)生成器，以及通過(guò)專用硬件設(shè)備。

（一）通過(guò)傳統(tǒng)電路與隨機(jī)數(shù)生成器實(shí)現(xiàn)概率計(jì)算

由于集成電路中的晶體管都是基于確定性而制造，很難自然產(chǎn)生隨機(jī)的不確定性，因此需要通過(guò)算法生成偽隨機(jī)序列來(lái)實(shí)現(xiàn)概率位。

日本富士通公司正使用普通硬件結(jié)合隨機(jī)數(shù)生成器構(gòu)建概率計(jì)算機(jī)，以模擬概率位翻轉(zhuǎn)。隨后，使用電子自旋的伊辛模型（Ising model）和退火（Annealing）算法來(lái)實(shí)現(xiàn)非線性規(guī)劃功能。退火算法受到自然系統(tǒng)總是趨于向最低能量狀態(tài)演化這一規(guī)律的啟發(fā)，通過(guò)模擬自然系統(tǒng)的自演化來(lái)處理信息。

算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解。因此，只要能將組合優(yōu)化問(wèn)題翻譯成伊辛模型問(wèn)題，然后通過(guò)退火算法求出伊辛模型的最優(yōu)解，再將結(jié)果反向翻譯的系統(tǒng)，就能得到用來(lái)解決組合優(yōu)化問(wèn)題的新型計(jì)算機(jī)。這種方法的缺點(diǎn)是功耗較高。2020年4月，日本東京工業(yè)大學(xué)、日立公司、北海道大學(xué)和東京大學(xué)研究人員開(kāi)發(fā)出隨機(jī)元細(xì)胞自動(dòng)機(jī)退火器架構(gòu)（Stochastic Cellular Automata Annealer Architecture，STATICA），也采取了類似的構(gòu)建原理。

（二）開(kāi)發(fā)專用硬件設(shè)備

由于概率運(yùn)算依賴于概率位的隨機(jī)性，因此研究人員嘗試通過(guò)本身具有隨機(jī)性的器件來(lái)構(gòu)建概率計(jì)算機(jī)。這也是目前全球研究人員不斷嘗試攻克的重要方向。

第一種方法是利用鐵磁體中的磁隧道結(jié)（Magnetic Tunneling Junction，MTJ）。磁性隧道結(jié)的電阻取決于其磁性狀態(tài)，且不穩(wěn)定，它在兩個(gè)磁態(tài)之間快速翻轉(zhuǎn)，導(dǎo)致其電阻在兩個(gè)值之間不斷變化，可用于創(chuàng)建概率位。早期的計(jì)算機(jī)使用磁隧道結(jié)構(gòu)建磁芯存儲(chǔ)器，但很難將磁存儲(chǔ)器小型化，因?yàn)榇朋w越小越不穩(wěn)定。研究人員正是利用了磁隧道結(jié)的不穩(wěn)定性質(zhì)，結(jié)合若干個(gè)晶體管來(lái)構(gòu)建概率位。

其中的一個(gè)晶體管由輸入電壓控制，其他的僅用于緩沖輸出。2017年，美國(guó)普渡大學(xué)的蘇普里約·達(dá)塔（Supriyo Datta）教授與加州大學(xué)圣芭芭拉分校的凱雷姆·坎薩里（Kerem Camsari）助理教授首次提出了使用設(shè)備的噪聲與不確定性創(chuàng)建具有隨機(jī)性的概率計(jì)算機(jī)，被認(rèn)為是概率計(jì)算的先驅(qū)。

2019年，在日本東北大學(xué)合作者的幫助下，達(dá)塔與坎薩里教授團(tuán)隊(duì)構(gòu)建了一臺(tái)具有8個(gè)概率位的概率計(jì)算機(jī)。通過(guò)找到特定的連接模式，并正確連接概率位，概率位電路將通過(guò)輸出峰值信號(hào)的形式給出答案。通過(guò)這種方法構(gòu)建的概率計(jì)算機(jī)比經(jīng)典計(jì)算機(jī)上的優(yōu)化算法快了6個(gè)數(shù)量級(jí)，并且采樣速度提高了5-18倍，然而能耗降低了10倍、占用面積減小了100倍。

此外，這種概率計(jì)算機(jī)也具有將概率位擴(kuò)大到5000個(gè)的潛力，有望用于處理更復(fù)雜的問(wèn)題。目前，中國(guó)北京航空航天大學(xué)的曾瑯、曹凱華等研究人員也在進(jìn)行類似的概率計(jì)算器件研究。

通過(guò)磁隧道結(jié)構(gòu)建的概率位 （圖片來(lái)源：IEEE Spectrum）

另一種構(gòu)建概率計(jì)算機(jī)的方式利用了閃存設(shè)備的噪聲和不確定性來(lái)模擬事件的隨機(jī)性。美國(guó)佐治亞理工學(xué)院、英特爾和韓國(guó)科學(xué)技術(shù)高等研究院通過(guò)閃存中鰭式晶體管（FinFET）的固有時(shí)間噪聲作為隨機(jī)性的模擬源，替代了隧道結(jié)，在閃存中實(shí)現(xiàn)了概率計(jì)算機(jī)。

三、應(yīng)用前景

（一）解決非線性規(guī)劃問(wèn)題與多體問(wèn)題

概率計(jì)算機(jī)基于隨機(jī)性進(jìn)行并行計(jì)算，因此適用于求解路徑規(guī)劃、投資組合問(wèn)題等非線性規(guī)劃問(wèn)題，以及求解物理、化學(xué)反應(yīng)模擬和蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)等多體問(wèn)題。路徑規(guī)劃問(wèn)題是組合優(yōu)化中的一個(gè)NP難問(wèn)題，在運(yùn)籌學(xué)和理論計(jì)算機(jī)科學(xué)中非常重要。多體問(wèn)題需要在擁有大量粒子構(gòu)成的微觀系統(tǒng)中求解，其中的粒子之間不斷相互作用，產(chǎn)生復(fù)雜的相關(guān)性。

因此，系統(tǒng)的波函數(shù)很復(fù)雜，并含有大量信息，常常無(wú)法進(jìn)行精確或可分析的計(jì)算。概率計(jì)算機(jī)的并行計(jì)算方式可以提高計(jì)算速度、擴(kuò)大求解規(guī)模，因而適合解決大而復(fù)雜的計(jì)算問(wèn)題。

蛋白質(zhì)結(jié)構(gòu)模擬示意圖

（二）與人工智能結(jié)合的可能性

研究人員認(rèn)為概率計(jì)算機(jī)可能有助于機(jī)器學(xué)習(xí)技術(shù)開(kāi)發(fā)。人工智能和機(jī)器學(xué)習(xí)的一個(gè)關(guān)鍵步驟是根據(jù)不完整的數(shù)據(jù)做出決策，最好的方法是輸出每個(gè)可能答案的概率。目前的經(jīng)典計(jì)算機(jī)無(wú)法以節(jié)能的方式做到這一點(diǎn)，而概率計(jì)算機(jī)的出現(xiàn)有望填補(bǔ)這一空缺。加州大學(xué)圣芭芭拉分校坎薩里教授團(tuán)隊(duì)計(jì)劃探索概率計(jì)算機(jī)中的深度學(xué)習(xí)算法。佐治亞理工學(xué)院研究團(tuán)隊(duì)也表示，強(qiáng)化學(xué)習(xí)的過(guò)程需要隨機(jī)探索訓(xùn)練環(huán)境，或許可以通過(guò)概率計(jì)算提供解決方案。

審核編輯：劉清