以光速解决复杂问题

解决复杂问题的艺术性的例证与光子电路的。背景图案示出了能够执行任意酉矩阵乘法的干涉仪网络。通过将问题数据编码到光学矩阵的权重并允许光信号通过光学电路演变，可以找到最小化相关问题的能量（解决方案）的状态。在ising问题的情况下，解决方案是给定的旋转分布，其只能采用二进制值。

在各种科学和工程学科中遇到的许多最具挑战性的优化问题，从生物学和药物发现[1]到路由和调度[2]可以减少到NP完全的问题。直观地说，NP-Complete问题是“难以解决”，因为必须执行的操作次数，以便找到解决方案以问题大小指数呈指数级。NP完整问题的难以发展导致专用硬件的开发（如光退火和Quantum退火机器，如“D-Wave”）和特殊算法（类似的算法，如模拟退火）。

最近，通过设计光学机器来解决这些硬组合问题而越来越兴趣。这些光学机包括赋予光学信号的一组光学变换，使得光信号将在一定量的计算之后将解决方案编码到问题。这些机器可以从集成到硅光子的光学硬件的基本优势中受益，例如低损耗，并行加工，在低光功率下的光学传感器和由行业的制造过程的开发实现的鲁棒可扩展性。然而，具有最佳地利用该硬件能力的专用算法的紧凑型和快速光子硬件的开发一直缺乏。

今天，通过查理罗基斯 - 卡姆斯的工作，伊希沉，克里斯蒂安·Zanoci，Mihika Prabhu，Fadi Atieh，李静博士，李静，蔡戴博士，李诚博士，解决了整体光子博士的途径是开放的。毛泽东毛泽东，弗拉基米尔·Čeperić教授，Dirk Englund教授，John Joannopoulolo教授和MarinSoljačić教授，来自麻省理工学院和士兵纳米技术研究所，公开的全新通讯[3]。在这项工作中，麻省理工学院团队开发了一种专用于解决光子型硬件的众所周知的NP-Complete ising问题的算法。

最初提出模拟磁系统，ising模型描述了一个只能指向上或向下的旋转网络。例如，每个旋转的能量取决于其与相邻旋转的相互作用 - 例如，在铁磁体中，最近邻居之间的正相互作用将激活每个旋转以与其最近的邻居对齐。一台弯曲机会倾向于找到旋转配置，最小化自旋网络的总能量。然后可以将该解决方案转换为其他优化问题的解决方案[4]。

类似于由麻省理工学院团队开发的机器，只能为问题（平均而接近最佳解决方案）仅产生候选解决方案。但是，始终找到问题的确切解决方案的算法很难应用于大问题大小，因为它们通常必须运行几小时，如果不是日子，则终止。因此，启发式算法是精确算法的替代方案，因为它们为难题提供快速和廉价的解决方案。

研究人员通过他们对基本光子学的了解来指导。MIT MarinSoljačić教授解释说：“光学计算是一个非常旧的研究领域。因此，我们必须确定光子硬件中最近的哪个进步可能会产生差异。换句话说，我们必须确定现代光子学的价值主张。“研究生Charles Roques-Carmes补充说：“我们确定了这个价值主张：（a）执行快速和廉价的固定矩阵乘法和; （b）执行嘈杂的计算，这意味着计算结果略有不同于另一个跑到另一个，这是翻转硬币的一点点。因此，这两个元素是我们工作的构建块。“

在开发这种算法并在各种问题上基准测试时，研究人员发现了各种相关算法，也可以在光子学中实现，以找到更快的解决方案。译文助理伊希申博士对这项工作的前景充满热情：“通过集成光子学加强计算能力的领域目前蓬勃发展，我们认为这项工作可以是其中的一部分。由于我们开发的算法最佳地利用光子硬件的优点和弱点，我们希望它能找到一些短期应用。“麻省理工学院研究团队目前正在与他人合作，实现概念证明实验，并在光子硬件上进行基准测试，而其他光子机器和在计算机上运行的传统算法。

在SRC合同下的半导体研究公司（SRC）部分支持这项工作＃2016-EP-2693-B（基于芯片的光子学MIT节能计算）。本工作部分由国家科学基金会（NSF）提供支持NSF奖＃CCF-1640012（E2DCA：I型：协同研究：基于芯片的光子学的节能计算）。该材料基于美国陆军研究实验室和美国军研究办公室通过士兵纳米技术研究所的合同号W911NF-18-2-0048，基于美国陆军研究实验室和美国陆军研究所支持的工作。C. Z. Witheman奖学金的财务支持。M. P.通过NSF研究生研究团契授予号码1122374是经济支持。