編輯/綠蘿
組合優化是在一個有限的對象集中找出最優對象的一類問題，這是一組非常複雜的問題，以至于使用窮舉搜尋找到最佳解決方案往往是不可行的。這些問題出現在供應鍊管理、航空公司排程、工業資源配置設定、人工智能、應用數學和理論計算機科學的各種應用中。
一個著名的例子是旅行推銷員問題，推銷員必須從 A 市到 B 市再到 C 市到 D 市，但他必須找到最優路線，在最短的時間内通路每個城市一次，然後傳回家中。
必須有人解決這些問題，但從計算的角度來看，運作這些算法所需的資源量是巨大的。
來自賓夕法尼亞州立大學的研究人員提出了一種解決方案，該解決方案将模拟退火算法（SA）與稱為記憶體計算的技術相結合。研究人員建議使用模拟退火算法來尋找伊辛自旋玻璃系統的基态。與使用蠻力試驗的窮舉搜尋相比，使用 SA 的 4 × 4 鐵磁、反鐵磁和自旋玻璃系統的搜尋加速 > 800 倍。
該研究以「An Annealing Accelerator for Ising Spin Systems Based on In-Memory Complementary 2D FETs」為題，釋出在《Advanced Materials》上。
SA 在存在多個局部最小值的離散問題中是一種出色的優化技術。SA 提供了一個簡單的架構，可以在具有任意能源格局的系統上實施，并且它在統計上保證了最佳解決方案。
SA 從實體退火中汲取靈感，将材料加熱到其再結晶溫度以上，以允許原子重新排列，然後緩慢冷卻，以提高其結晶度并達到低能狀态。SA 采用随機搜尋，允許高能躍遷（「爬山」）以與溫度相關的機率來逃避局部最優。
伊辛自旋玻璃系統（Ising spin glass systems）具有自旋無序和「挫折」等特性，并提供了具有大量亞穩态和基态簡并性的謹慎組合問題。旋轉玻璃是實作 SA 的理想系統。
SA 和伊辛旋轉玻璃系統。
在這項工作中，研究人員使用基于超薄體二維半導體的記憶體互補場效應半導體（FET）探索 SA，即 p 型 WSe2和 n 型 MoS2FET。
首先，與在低溫下運作的量子計算機不同，其示範是基于室溫的，其次，研究人員利用模拟亞門檻值傳導和模拟可程式設計性來設計獨特的計算原語和退火時間表，與大型憶阻交叉陣列相比，它們實作了更好的能量和面積效率。
此外，這項工作進一步推動了基于 2D FET 的記憶體計算平台的開發。據我們所知，這是使用新興材料和裝置對 Ising 自旋玻璃系統進行 SA 硬體加速的首次示範。
SA 的硬體實作需要：（1）用于随機自旋翻轉的随機數生成器；（2）一個計算單元；（3）一個計算單元來确定「爬山」的成本；（4）硬體機制相當于冶金中的退火/冷卻計劃。
模拟記憶體互補二維場效應半導體（FET）。
「為了實作模拟退火，我們在硬體中執行某些計算操作，」該研究的合著者工程科學和力學博士生 Amritanand Sebastian 說。「硬體是使用基于 2D 材料的半導體實作的。除了執行計算之外，這些半導體還可以存儲資訊。我們利用這種記憶體計算能力，以便以有效的方式執行模拟退火。」
該方法有幾個優點：
首先，使用基于 2D 材料的半導體可以實作超低功耗運作，進而節省能源；
然後，這項工作中使用的乘法器電路非常獨特，使我們能夠有效地計算自旋系統的能量；
最後，與模拟退火的許多實作不同，實作該工作所需的硬體不需要随着問題的大小而擴充。
SA 的實驗示範。
可以觀察到，旋轉玻璃系統中的「挫敗感」。值得注意的是，與使用 BFT 的窮舉搜尋相比，SA 加速了搜尋，需要數量級的低自旋翻轉事件。鐵磁、反鐵磁和自旋玻璃系統的最高加速度分别為≈1365×、≈1260×和≈1310×，而收斂到其基态的系統的平均加速度分别為 ≈850×，≈900×，≈810×。
使用 2D 材料來實作這一目的是有意義的，因為 2D 材料通常具有未來電子産品的潛力，并且可能是矽技術的替代品。
「我們都知道矽技術正在老化，即使它仍然是一種非常難以抗衡的非常粗糙的技術，」Das 說。「但我們也知道，20 年後，我們可能不得不增強矽技術，如果不能完全取代它的話。二維材料的獨特功能非常适合我們在這項研究中的目的，使其成為在某一時刻取代矽的主要候選材料之一。」
論文連結：https://doi.org/10.1002/adma.202107076
參考内容：https://techxplore.com/news/2022-01-big-problems-algorithms-2d-materials.html
人工智能×[ 生物 神經科學 數學 實體 材料 ]
「ScienceAI」關注人工智能與其他前沿技術及基礎科學的交叉研究與融合發展。
歡迎關注标星，并點選右下角點贊和在看。