SIOM Speeds Up Combinatorial Optimization at Large Spin Scales

超强激光科学卓越创新简报

(第八百期)

2026年7月21日

上海光机所在大自旋规模组合优化问题求解加速中取得进展

近期，中国科学院上海光学精密机械研究所光电交叉部团队在空间光子伊辛机（SPIM）求解大规模组合优化问题方面取得新进展，相关成果以“Multi-channel spatial photonic Ising machine for the 102400-spin 0-1 knapsack problem solving”为题发表于Optics Letters。

组合优化问题广泛存在于人工智能、资源调度、路径优化、金融投资等关键领域，其中0-1背包问题作为典型的NP难问题，是检验算法性能的基准之一，也是量子计算能够展现优越性的一类问题。当前，量子硬件受限于物理比特规模、相干时间和纠错能力，尚难以在大规模组合优化问题中发挥作用。伊辛模型作为量子退火和量子近似优化算法（QAOA）等量子方法的核心物理模型，同样为光子计算提供了有效的数学映射方法。空间光子伊辛机（SPIM）凭借光学的并行低功耗特性，在求解大规模伊辛模型上潜力巨大。然而，此前SPIM在背包问题上的成功演示仅限于小规模实例，其核心瓶颈在于：将背包问题映射为伊辛哈密顿量时，构造的耦合向量中少数元素绝对值远大于其余元素，导致量化时多数小值被压缩为零，信息严重丢失；同时大幅值元素仅占少数像素，光学信号极弱，难以从噪声中区分。

针对这一难题，研究团队提出了一种哈密顿量校准方案。其核心在于光电混合处理：在光学域中将耦合向量中的异常大值直接置零，恢复明亮可测的衍射信号；同时通过解析校正公式在电子学域精确重建原始哈密顿量。这一策略巧妙规避了SLM量化精度的限制，实现了能量景观的准确还原。

基于三通道空分复用SPIM实验系统，团队在102,400个自旋的大规模背包问题上验证了该方法。实验显示，采用校准方案后，光学退火曲线与数字模拟高度吻合；而原始映射方案则信号丢失，结果完全失真。在100次重复实验中，SPIM获得的可行解平均精度达99.34%，接近电子计算机模拟的99.51%；且SPIM单次迭代仅需0.572秒，远优于电子计算机的10.798秒。SPIM在搜索中表现出更强探索性，在相同的有限求解次数中能找到总价值更高的优质解。该工作有效推动了SPIM在求解组合优化问题的规模化瓶颈，为具有类似极端耦合结构的组合优化问题提供了通用策略，展现了光电混合架构的实际应用前景。

图1. 多通道空间光子伊辛机原理示意图

图2. (a)背包问题SPIM哈密顿量迭代曲线；(b)SPIM背包问题求解结果（绿色）与电子计算结果对比（蓝色），橙色代表超出约束条件的解

原文链接