量子計算機基于量子比特（又稱“量子位”）執行運算任務，在解決多體問題、路徑規劃問題等復雜問題方面相較經典計算機有巨大優勢。但是，由于量子計算需要通過昂貴的實驗設備構建，且在低溫操作、相干時間控制、容錯等方面仍面臨巨大挑戰，仍需經歷較長的發展階段。

在此背景下，研究人員基于電子集成電路開發出具有概率比特（又稱“概率位”）的概率計算機，并將其視作向量子計算過渡的中間方案。這種計算機通過對概率的數值運算進行問題求解，在解決非線性規劃、多體系統問題方面具有性能優勢，且能在常溫條件下運行，因此更加接近實用。

一、概率計算原理簡介

多年來，研究人員不斷探索蒙特卡洛算法在金融風險分析、藥物開發、供應鏈物流以及物理和化學研究工作中的潛在應用。蒙特卡洛算法以概率統計理論為指導，通過統計與數值分析來求解復雜問題。經典計算機在這一問題上的效率較低，需要耗費大量的時間與能源。

量子計算機中，量子位組成的系統可以通過許多可能路徑演化到最終狀態，而選擇哪種路徑完全是一種偶然。通過將每種路徑的概率振幅相加來得到最終的概率振幅，將總概率振幅的模進行平方運算得到最終的實際概率。由于量子位可以并行工作，量子計算機對于某些特定任務的運算速率遠超經典計算機。然而，概率振幅是一個復數，因此可能出現“負概率”的錯誤情況，需要通過Shor算法、Grover算法等算法來精心編排運算路徑，從而抵消錯誤的“負概率”路徑的影響。

研究人員參考了量子計算機的工作原理，設計了使用概率位工作的概率計算機，將所有實現路徑的概率相加來得到最終概率。量子計算機需要屏蔽電磁場干擾、在接近絕對零度的超低溫下才能進行工作，而概率計算機可以基于硅基電子電路設計，可以在常溫下工作。

因此，普渡大學電氣和計算機工程教授、概率計算先驅之一蘇普里約·達塔（Supriyo Datta）認為，對于涉及復數的算法，量子計算機能夠展現出無與倫比的優越性，但對于解決涉及正數數值運算的隨機變量問題，概率計算可能具有相當大的競爭力。

一般而言，研究人員使用自旋態粒子構建單個概率位，利用其隨機的“上”和“下”兩種狀態表示二進制運算中的0和1，每種狀態的概率均為50%。概率位表現為隨機的純噪聲，不攜帶任何信息。然而，將多個概率位耦合，利用概率位之間相互影響的復雜相關性，可以構建概率計算機，從而有效地解決優化問題。

二、概率計算機的實現方式

目前，研究人員提出了兩種構建概率計算機的方式，分別是通過傳統電路與隨機數生成器，以及通過專用硬件設備。

（一）通過傳統電路與隨機數生成器實現概率計算

由于集成電路中的晶體管都是基于確定性而制造，很難自然產生隨機的不確定性，因此需要通過算法生成偽隨機序列來實現概率位。

日本富士通公司正使用普通硬件結合隨機數生成器構建概率計算機，以模擬概率位翻轉。隨后，使用電子自旋的伊辛模型（Ising model）和退火（Annealing）算法來實現非線性規劃功能。退火算法受到自然系統總是趨于向最低能量狀態演化這一規律的啟發，通過模擬自然系統的自演化來處理信息。

算法終止時的當前解即為所得近似最優解。因此，只要能將組合優化問題翻譯成伊辛模型問題，然后通過退火算法求出伊辛模型的最優解，再將結果反向翻譯的系統，就能得到用來解決組合優化問題的新型計算機。這種方法的缺點是功耗較高。2020年4月，日本東京工業大學、日立公司、北海道大學和東京大學研究人員開發出隨機元細胞自動機退火器架構（Stochastic Cellular Automata Annealer Architecture，STATICA），也采取了類似的構建原理。

（二）開發專用硬件設備

由于概率運算依賴于概率位的隨機性，因此研究人員嘗試通過本身具有隨機性的器件來構建概率計算機。這也是目前全球研究人員不斷嘗試攻克的重要方向。

第一種方法是利用鐵磁體中的磁隧道結（Magnetic Tunneling Junction，MTJ）。磁性隧道結的電阻取決于其磁性狀態，且不穩定，它在兩個磁態之間快速翻轉，導致其電阻在兩個值之間不斷變化，可用于創建概率位。早期的計算機使用磁隧道結構建磁芯存儲器，但很難將磁存儲器小型化，因為磁體越小越不穩定。研究人員正是利用了磁隧道結的不穩定性質，結合若干個晶體管來構建概率位。

其中的一個晶體管由輸入電壓控制，其他的僅用于緩沖輸出。2017年，美國普渡大學的蘇普里約·達塔（Supriyo Datta）教授與加州大學圣芭芭拉分校的凱雷姆·坎薩里（Kerem Camsari）助理教授首次提出了使用設備的噪聲與不確定性創建具有隨機性的概率計算機，被認為是概率計算的先驅。

2019年，在日本東北大學合作者的幫助下，達塔與坎薩里教授團隊構建了一臺具有8個概率位的概率計算機。通過找到特定的連接模式，并正確連接概率位，概率位電路將通過輸出峰值信號的形式給出答案。通過這種方法構建的概率計算機比經典計算機上的優化算法快了6個數量級，并且采樣速度提高了5-18倍，然而能耗降低了10倍、占用面積減小了100倍。

此外，這種概率計算機也具有將概率位擴大到5000個的潛力，有望用于處理更復雜的問題。目前，中國北京航空航天大學的曾瑯、曹凱華等研究人員也在進行類似的概率計算器件研究。

通過磁隧道結構建的概率位 （圖片來源：IEEE Spectrum）

另一種構建概率計算機的方式利用了閃存設備的噪聲和不確定性來模擬事件的隨機性。美國佐治亞理工學院、英特爾和韓國科學技術高等研究院通過閃存中鰭式晶體管（FinFET）的固有時間噪聲作為隨機性的模擬源，替代了隧道結，在閃存中實現了概率計算機。

三、應用前景

（一）解決非線性規劃問題與多體問題

概率計算機基于隨機性進行并行計算，因此適用于求解路徑規劃、投資組合問題等非線性規劃問題，以及求解物理、化學反應模擬和蛋白質結構預測等多體問題。路徑規劃問題是組合優化中的一個NP難問題，在運籌學和理論計算機科學中非常重要。多體問題需要在擁有大量粒子構成的微觀系統中求解，其中的粒子之間不斷相互作用，產生復雜的相關性。

因此，系統的波函數很復雜，并含有大量信息，常常無法進行精確或可分析的計算。概率計算機的并行計算方式可以提高計算速度、擴大求解規模，因而適合解決大而復雜的計算問題。

蛋白質結構模擬示意圖

（二）與人工智能結合的可能性

研究人員認為概率計算機可能有助于機器學習技術開發。人工智能和機器學習的一個關鍵步驟是根據不完整的數據做出決策，最好的方法是輸出每個可能答案的概率。目前的經典計算機無法以節能的方式做到這一點，而概率計算機的出現有望填補這一空缺。加州大學圣芭芭拉分校坎薩里教授團隊計劃探索概率計算機中的深度學習算法。佐治亞理工學院研究團隊也表示，強化學習的過程需要隨機探索訓練環境，或許可以通過概率計算提供解決方案。

審核編輯：劉清