伊辛智能联合中科院半导体所在《Photonics Research》发布混合神经形态光电伊辛机研究成果

《Photonics Research》是光学与光子学领域SCI一区权威期刊，本次成果的发表，标志着国产光电伊辛计算路线再次获得国际学界高度认可。

文章详情

组合优化问题广泛存在于金融、物流、机器学习等领域，传统“冯·诺伊曼”架构在处理规模日益庞大的问题时面临显著瓶颈。作为非“冯·诺伊曼”架构的新型计算范式，伊辛机利用物理系统的自然演化过程进行求解，具有本征并行计算优势，被认为是组合优化领域极具前景的专用硬件加速路线。伊辛智能光电伊辛机依托时分复用光电参量振荡器技术路线，在求解规模、稳定运行时长、运行条件等维度上形成了差异化优势。

然而，当前伊辛机整体仍处于应用探索阶段，推动这一颠覆性技术走向落地，既需要解决场景需求对接、真实数据获取、建模人才衔接等应用层问题，也要在物理层面攻克振幅不均匀性、噪声累积、动态相位漂移等底层科学难题。

针对连续光电硬件物理特性与离散伊辛二元约束之间的底层矛盾，团队提出了时序双阶段动态陡激活反馈机制，通过光并行加速、数字精准校正的协同实现双向优势互补，整体运行分为两个阶段：

系统在运行初始阶段采用平缓软激活反馈，完整保留连续振幅信息，允许自旋跨越高能势垒，充分遍历全局能量空间，规避过早锁定局部最优；同步嵌入通道增益补偿因子，削弱硬件振幅不均引起的能量畸变。

系统在运行达到切换阈值后，启用符号函数陡阶非线性反馈，依托其尺度不变特性彻底屏蔽全通道振幅偏差，强制所有自旋快速收敛至标准二元态，确保大规模网络下无畸变伊辛模型标准二元自旋态的稳定输出。

混合神经形态光电子伊辛机（HNOIM）的架构与实验实现

在G1-G21全部基准图测试中，HNOIM求解准确率达99.68%，G1/G3/G4/G7/G10等多组复杂算例稳定输出已知最优解（BKS）；单次求解耗时（TTS）仅0.44ms，较传统模拟退火算法（199.61ms）提升3个数量级。

消融实验证实，模拟与数字双阶段时序协同架构可稳定维持高求解准确率，而单一模拟或数字架构均会导致求解性能大幅下降。

G-set标准算例库测试性能对比

针对节点规模N=401至1601、耦合强度为9bit的全连接伊辛问题进行测试，传统纯模拟架构残余能量误差高达2.93%，HNOIM混合架构将残余误差压缩至0.068%，最优能量逼近能力提升43倍；针对最大规模N=1601网络，系统收敛耗时仅0.9ms，较纯模拟方案速度提升近200倍。

实测结果表明，该系统在室温条件下同时实现了高求解质量与毫秒级实时响应，且求解质量与矩阵规模实现了有效解耦，展现出面向大规模矩阵计算的卓越扩展能力。

与传统超导量子退火器需在极低温环境下运行不同，HNOIM采用光电参量振荡器与室温FPGA的协同架构，天然具备低功耗、易集成、可室温部署的工程优势。

系统依托双阶段动态陡激活反馈机制，运行前期通过软激活充分遍历能量空间，后期利用符号函数的硬锁定机制强制自旋脉冲快速收敛至标准二元态。这种自适应的动力学演化赋予了系统极佳的泛化能力，使其在面对不同拓扑结构和规模的优化问题时，无需针对新场景反复调试参数即可稳定输出高质量解。

同时，数字锁定层从物理层面屏蔽了硬件通道间的振幅偏差，极大降低出厂校准成本，消除长期运行中器件性能漂移对求解准确度的影响，为光电伊辛机实现规模化工程部署提供重要技术支撑。

本次突破标志着光电伊辛计算在硬件、控制、算法协同层面取得创新进展，推动国内自主先进计算产业加快实用化落地。伊辛智能将持续深耕光电计算与组合优化领域，加速推进该技术在金融投资、路径规划、电力调度等工业场景中的应用探索，携手产业伙伴打造可复制、可推广的行业标杆案例，为数字经济时代的复杂优化决策提供自主可控、高性能的国产光电伊辛算力支撑。