导读

相干伊辛机（Coherent Ising Machines, CIM）是一种基于量子光学技术的专用量子计算机，旨在高效处理组合优化等难题，由于这类问题在经典计算机上通常难以求得最优解，因此该技术路线为探索组合优化问题的最优解提供了全新可能。近日，北京玻色量子科技有限公司联合北京师范大学、天津大学研究团队通过飞秒激光泵浦技术，实现了“空间+光纤”的异构光路体系架构的优化策略整合，大幅提高了相干光量子计算机的量子优越性，使CIM在计算性能、系统稳定性和实际应用三个维度实现了标志性突破，相关成果以“A versatile coherent Ising computing platform”为题发表在国际顶尖学术期刊《Light: Science & Applications》。

研究背景

传统冯·诺依曼架构在处理大规模NP难问题时面临计算瓶颈，而伊辛模型作为一种描述磁性自旋相互作用的统计物理模型，可将多种组合优化问题映射为基态搜索。2010年以来，随着光子技术的发展，研究者开始利用光学参量振荡器模拟伊辛自旋系统，发展出了基于光网络的高效相干伊辛机原型，展现出超越经典计算机的潜力，迅速成为量子计算与光学计算交叉领域的研究热点。

研究亮点

本研究的关键突破在于采用飞秒激光泵浦技术构建相干光的量子计算系统，并在光学设计与结构稳定性上进行了协同优化。这种飞秒脉冲具有极高峰值功率，不仅增强了非线性光学效应和量子行为表现，还降低了光纤系统中所需的平均泵浦功率，从而提升能效与系统可靠性。实验以包含100个顶点的莫比乌斯图（MöbiusLadder graph）为测试基准，成功实现了55%的平均最优解成功率，相比之前最好水平提升了2倍以上。同时该系统在连续8小时运行中保持了高成功率，充分验证了相干光量子计算机在长时间、高稳定性工业级应用场景中的可行性。

图1：(a)相干光量子计算服务作业流程示意图。完整流程包括用户向云服务器提交计算任务（如分子对接、金融分析、神经网络和材料设计），云服务器将这些任务转换为伊辛模型矩阵，并通过Kaiwu SDK传输至相干光量子计算机。FPGA连接本地计算机，利用获取的伊辛模型矩阵进行计算。(b)相干光量子计算机整体架构示意图。设备器件描述：PPLN周期性极化铌酸锂、IM强度调制器、EDFA 掺铒光纤放大器、SHG二次谐波发生器、PZT压电换能器、AOM声光调制器、BHD平衡外差检测器。(c)100 OPO脉冲各分量随时间变化的过程（求解莫比乌斯梯形图）。

在各行业真实场景中，二次无约束二值优化（QUBO）问题被广泛应用于调度、路径选择、机器学习等领域，研究团队发现，QUBO问题可有效转化为伊辛模型，进而可以通过相干伊辛机高效求解。研究进一步拓展至分子对接（药物发现关键步骤）和信用评分（金融风控核心任务）等真实场景的现实问题，展示了相干光量子计算机跨领域适用性。这项工作不仅从实验层面证实了相干光量子计算机解决复杂优化问题的优势，更为其迈向大规模商业化和工程化应用奠定了坚实基础。

图2： 基于相干光量子计算机的分子对接示意图。(a)将分子对接采样过程编码为 QUBO 模型。(b)相干光量子计算机单解的Ising能量演化图。(c)采样对接构象（黄色）与晶体结构构象（粉色）的1N2J、1LRH和1JD0对比。这三种分子的均方根偏差（mRMSD）值分别为0.8Å、1.4Å和0.6Å，均低于2Å，表明相干光量子计算机在分子对接计算中的有效性。

实验结果表明，该装置能够高效解决分子对接问题，且该量子对接方法可在亚毫秒级方案中实现优秀的采样构象，能够适应多种分子靶点结合场景。通过整合先进计算算法与优化工作流程，从而在保证高准确性的前提下提高了计算效率，在难以实现的分子系统规模下进行快速筛选与分析、预测提供高效工具。

图3： 基于相干光量子计算机的信用评分系统。(a)正常还款与逾期还款的评分分布对比。两条分布曲线的非重叠区域直观展示了特征选择过程的有效性。(b)KS统计量（Kolmogorov-Smirnov）的定义，该指标用于衡量不同标签累积分布间的最大差异。(c)随着α参数的增加，量子特征选择CIM+ XGBoost模型的KS统计量持续上升。当α值超过0.99时，该量子特征选择模型的性能已超越未进行特征选择的XGBoost模型。

在信用评分领域，研究团队提出一种量子特征选择方法，该方法与经典方法（如嵌入式等技术）存在根本性差异。通过将特征选择问题转化为QUBO问题，自然地捕捉特征间的复杂相互作用及依赖关系，进而通过相干伊辛机评估高阶特征相关性，显著加速最具信息量且非冗余特征子集的识别。

总结与展望

该研究工作取得了专用量子算力领域的技术性突破，标志着一条从底层原理创新到工程稳定实现、再到跨领域应用验证的完整技术闭环已然形成，凝聚着中国自主技术从实验室跨越到产业前沿的坚实力量。（来源：LightScienceApplications微信公众号）

相关论文信息：https://doi.org/10.1038/s41377-025-02178-1