Whoscored中文官网 | 编译自 Microsoft Research Blog
想象一下这样一个世界：计算不受零和一的二进制限制，而是可以自由探索连续值数据的巨大可能性。在过去的三年里，微软的一个研究小组一直在开发一种新型的模拟光学计算机，它使用光子和电子来处理连续值数据，而不像今天的数字计算机那样使用晶体管来处理二进制数据。这种创新的新机器有可能超越最先进的数字技术，并在未来几年内改变计算。
模拟迭代机（Analog Iterative Machine, AIM）旨在解决困难的优化问题，这些问题构成了许多行业的基础，如金融、物流、运输、能源、医疗保健和制造业。然而，传统的数字计算机难以及时、节能和经济地破解这些问题。这是因为随着问题规模的增长，可能的数据量会呈指数级增长，即使是最强大的数字计算机也会面临巨大的挑战。旅行推销员问题就是一个典型的例子：我们来想象一下，如何找到最有效的路线来访问一组城市，在返回起点之前只访问一次。只有五个城市，就有12条可能的路线； 但对于61个城市的问题，潜在路线的数量超过了宇宙中的原子数量。
AIM解决了两个同时存在的趋势。首先，它避开了数字芯片中每美元计算能力的递减增长，或摩尔定律的解体。其次，它克服了专门用于解决优化问题的机器的局限性。尽管经过二十多年的研究和大量的工业投资，这种基于硬件的非常规机器的实际应用范围是有限的，因为它们只能解决二进制值的优化问题。优化社区内的这种痛苦认识促使该团队开发了AIM，其设计结合了数学见解和尖端算法及硬件的进步。其结果是什么？一个模拟光学计算机，可以解决更广泛的现实世界的优化问题，同时以光速运行，提供大约100倍的潜在速度和效率提升。
今天，AIM仍然是一个研究项目，但这个跨学科团队最近组装了世界上第一个用于混合-连续和二进制-优化问题的光电硬件。虽然目前在有限的规模上运行，但初步结果是有希望的，该团队已开始扩大其努力。这包括与英国跨国银行巴克莱银行的研究合作，在AIM计算机上解决一个对金融市场至关重要的优化问题。单独的约定旨在获得更多解决特定行业优化问题的经验。2023年6月，该团队推出了一项在线服务，提供AIM模拟器，使合作伙伴能够探索这种新型计算机所创造的机会。
AIM技术
光子具有不相互作用的显著特性，这使得大量数据可以通过光远距离传输，从而支撑了互联网时代的到来。然而，光子确实与它们传播的物质相互作用，允许进行线性运算，如加法和乘法，这构成了优化应用的基础。例如，当光线落在我们智能手机的摄像头传感器上时，它将传入的光子相加并产生等量的电流。此外，将互联网连接到家庭和企业的光纤数据传输依赖于通过编程控制光的强度对零和一进行编码。这种通过光与物质的相互作用对光进行缩放，使光的强度乘以一个特定的值 - 在光学领域的乘法。除了用于线性操作的光学技术外，日常技术中普遍存在的各种其他电子元件可以进行非线性操作，这对于高效的优化算法也是至关重要的。
因此，模拟光学计算涉及到使用模拟技术的组合构建一个物理系统 - 包括光学和电子 - 由捕捉所需计算的方程所支配。这对于线性和非线性操作占主导地位的特定应用类别来说，可能非常有效。在优化问题中，寻找最佳解决方案类似于在一个难以想象的巨大干草堆中发现一根针。该团队已经开发了一种新的算法，在这种找针的任务中具有很高的效率。最重要的是，该算法的核心操作涉及执行数十万甚至数百万次的向量-矩阵乘法 - 向量代表需要确定其值的问题变量，而矩阵则是编码问题本身。如图1所示，这些乘法运算是利用商品光学和电子技术迅速和低能耗地执行的。
图1：AIM计算机的说明，它利用商品光学技术（在后面）和利用模拟电子技术（前面）应用的非线性实现大规模并行矢量-矩阵乘法。矢量使用光源阵列表示，矩阵被嵌入调制器阵列（显示为灰度），结果被收集到相机传感器。
图2：第二代AIM计算机，有48个变量，是一个机架安装的设备。
由于所有这些部件都被微型化到厘米级的微小芯片上，整个AIM计算机可以装入一个小型的机架外壳中，如图2所示。由于光的传播速度快得惊人 - 每米5纳秒 - 在AIM计算机内的每一次迭代都比在数字计算机上运行相同的算法要快得多，耗电量也更少。重要的是，由于整个问题被嵌入到计算机本身的调制器矩阵中，AIM不需要在存储和计算位置之间来回传输问题。而且，与同步数字计算机不同，AIM的操作是完全异步的。这些架构选择规避了数字计算机的关键历史瓶颈。
最后，AIM中使用的所有技术都已经普遍应用于具有现有制造生态系统的消费产品中，这为一个可行的计算平台铺平了道路，如果该团队能够解决所有的技术挑战，就可以实现全面规模化。
优化问题的重要性
优化问题是数学上的挑战，需要从一组可行的替代方案中找到可能的最佳解决方案。现代世界在很大程度上依赖于这些问题的有效解决方案 - 从管理我们电网中的电力，和简化跨海、空、陆的货物交付，到优化互联网流量的路由。
有效和高效地解决优化问题可以大大改善许多其他行业的流程和结果。以金融业为例，投资组合优化涉及选择理想的资产组合，以实现收益最大化，同时风险最小化。在医疗保健领域，优化病人排班可以加强资源分配，并尽量减少医院的等待时间。
对于许多较大的问题，即使是世界上最大的超级计算机也需要几年甚至几个世纪才能找到此类问题的最佳解决方案。一个常见的变通方法是启发式算法 - 通过采用捷径或 "经验法则 "，提供近似解决方案的问题解决的技术。虽然这些算法可能不能保证发现最优解，但它们是在合理时间范围内找到近似最优解的最实用、最有效的方法。现在，想象一下计算机的巨大影响，它可以在显著缩短的时间框架内为这些关键问题提供更多的最优解决方案。在某些情况下，实时解决这些问题可能会产生多米诺骨牌效应的积极结果，彻底改变整个工作流程和行业。
QUMO：一个超越QUBO的世界
多年来，工业界和学术界的研究人员已经建立了令人印象深刻的专门机器，使用启发式算法有效解决优化问题。这包括一系列的定制硬件，如现场可编程门阵列（FPGA），量子退火器，以及电和光参数振荡器系统。然而，所有这些都依赖于将困难的优化问题映射到相同的二进制表示，通常被称为Ising、Max-Cut或QUBO（二次无约束二进制优化）。不幸的是，这些努力都没有为传统计算机提供一个实际的替代方案。这是因为很难将现实世界的优化问题大规模地映射到二进制抽象中，这也是该团队与工业界和学术界的从业人员接触的共同主题。
通过AIM，该团队引入了一种更具表现力的数学抽象，称为QUMO（二次无约束混合优化），它可以表示混合变量： 二进制和连续变量，并与硬件实现兼容，使其成为许多实际的、严重约束的优化问题的 "甜蜜点"。与行业专家的讨论表明，将AIM扩展到10,000个变量将意味着前面讨论的大多数实际问题都可以解决。一个有10,000个变量的问题，如果能直接映射到QUMO抽象中，就需要一台有10,000个物理变量的AIM计算机。相比之下，现有的专业机器需要扩展到超过一百万个物理变量，远远超出了底层硬件的能力。
AIM还实现了一种解决此类QUMO问题的新颖而有效的算法，该算法依赖于一种先进的梯度下降形式，这种技术在机器学习中也很流行。该算法在各种工业启发的问题基准中显示出极具竞争力的性能和准确性。它甚至为四个问题发现了新的历史最佳解决方案。去年建造的第一代AIM计算机解决了QUMO优化问题，这些问题的表示精度高达7比特。如图3所示，该团队还展示了AIM计算机的模拟和硬件版本之间良好的量化协议，以进一步获得对这些效率提升的可行性的信心，因为该计算机的规模已经扩大。本文给出了关于AIM架构、其实施、评估和扩展路线图的更多细节。
图3：AIM的设计涉及到光学和模拟硬件、数学和算法以及软件和系统架构的交叉创新，其典型特征是团队的跨学科性质，他们携手合作，共同完成建造一台解决实际问题的计算机的使命。AIM团队的照片：前排（从左到右）：道格-凯利，朱家琪，詹姆斯-克莱格，巴巴克-拉赫马尼。后排：Hitesh Ballani, George Mourgias-Alexandris, Daniel Cletheroe, Francesca Parmigiani, Lucinda Pickup, Grace Brennan, Ant Rowstron, Kirill Kalin, Jonathan Westcott, Christos Gkantsidis。(Greg O'Shea和Jannes Gladrow没有出现在这张照片中）。
用QUMO重新思考优化：为专家提供更具表现力的推理方式
AIM的蓝图是将非常规硬件与表达式抽象和新算法共同设计，有可能引发优化技术、硬件平台和自动问题映射程序的新时代，利用更具表达性的QUMO抽象。这一激动人心的旅程已经开始，从金融和医疗等不同领域的问题映射到AIM的QUMO抽象，已经取得了很好的结果。最近的研究已经表明，提高连续变量的表达能力可以大大扩展可以解决的现实世界的商业问题。然而，据该团队所知，AIM是第一个也是唯一一个原生支持这种抽象的硬件。
当我们冒险进入一个新的抽象概念时，我们也必须采用新的思维方式。对团队来说，建立一个强大的社区来深入研究拥抱QUMO的好处是至关重要的。我们邀请那些以前被二进制求解器的限制所吓倒的人考虑AIM的QUMO抽象所提供的新机会。为了促进这一点，我们将我们的AIM模拟器作为一项服务发布，允许选定的用户获得第一手经验。最初的用户是该团队在普林斯顿大学和剑桥大学的合作者。他们已经帮助我们确定了几个令人兴奋的问题，在这些问题上，AIM计算机及其抽象是一个更自然的适合。我们还积极与来自微软内部部门和外部公司的思想领袖接触，这些部门的优化是至关重要的。
我们可以一起推动创新，释放模拟光学计算的真正潜力，以解决各行业中一些最复杂的优化问题。
微信公众号 
bilibili 
微信视频号