[发明专利]基于自反馈迭代相干伊辛机的图网络方法

说明书

本发明提供了一种基于自反馈迭代相干伊辛机的网络方法，该方案是以伊辛算法为基础，从而构建出一种新型图网络算法，即将伊辛模型的自旋矩阵映射到图网络的节点矩阵上，最终用伊辛算法求解组合优化问题。该伊辛机由光通路和电通路两部分组成，光通路负责非线性操作，而电通路通过采样光电压并将其反馈至马赫增德尔调制器实现离散时间的反馈操作，本发明将伊辛算法与图网络算法相结合，该算法为图网络算法增加了并行处理、低功耗等特性，并且，该算法相比于图网络算法有着更快的处理速度，可用于处理特定问题。

技术领域

本发明涉及自反馈迭代相干伊辛机与图网络，具体涉及基于自反馈迭代相干伊辛机的图网络方法。

背景技术

伊辛模型最早被用来描述凝聚态物理中的固体磁性和相变现象，此后，伊辛模型的内涵和适用范围被不断拓展。科学家们发现凝聚态物理、神经网络、无线通信、计算科学中的一系列问题都可以用这一模型进行定性乃至定量的描述。计算科学中的组合优化问题与伊辛模型具有一一对应关系，求解组合优化问题的最优解的过程与求解伊辛模型基态的问题在数学上是一致的。组合优化问题包括数集分割、图分割、着色问题等类别，这类问题在工业调度、药物设计、集成电路设计、信号处理、金融等场景具有重要的应用价值。

光学伊辛机可以视为光学神经网络的一种特殊形式，适用于求解一类非确定性多项式(Nondeterministic Polynomially,NP)复杂度的组合优化问题。组合优化问题具有NP计算复杂度，在传统的电子计算机上是无法求解的，为了解决这一矛盾，人们分别从加速算法和硬件架构两方面进行创新，其中在硬件架构方面，研究者们设计了一系列异于传统的冯诺依曼架构的计算体系，专门用于求解组合优化问题，包括光学伊辛机、量子退火和绝热量子计算等方案。

物理系统CIM是一种能够精确或近似找到Ising哈密顿量基态的装置。在各种类型的伊辛机中，使用DOPO网络搭建的CIM凭借着光学演化的快速性、室温计算环境的便捷性以及输出结果的高效性等优点脱颖而出，它不像量子退火炉需要接近绝对零度的计算环境。经典退火利用了热跃迁，量子退火是基于量子隧穿原理，而CIM是通过由下至上地提升增益搜索全局基态。

随着网络和数据库技术的飞速发展，图(graph)数据已经广泛存在于越来越多的数据库中。例如生物信息网络(biological networks)、社交网络(social networks)数据、知识图谱(knowledge graphs)等，都是非常常见的图数据。尤其是随着现如今大数据时代的到来，大规模图数据上的查询在现实生活中有着大量且重要的应用。因此，大规模图数据的查询处理技术的研究在现实应用中存在迫切的需求。虽然现有的研究工作在大规模图数据的查询处理技术上取得了巨大的进展，但在许多特定环境下针对特定查询的研究仍处于初级阶段，应用现有的技术无法满足这些特定环境下的查询需求。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于自反馈迭代相干伊辛机的图网络方法。

本发明提供了一种基于自反馈迭代相干伊辛机的图网络方法，用于预测化学分子键断，步骤如下：获取化学分子的节点矩阵；将自反馈迭代相干伊辛模型的自旋矩阵映射到图网络的节点矩阵上；以及通过自反馈迭代相干伊辛机得到化学分子的最优分解产物。

在本发明提供的基于自反馈迭代相干伊辛机的图网络方法中，还具有这样的特征：其中，自旋矩阵中每个自旋分别对应节点矩阵的相应结点，每个自旋均具有两个自旋方向，并分别对应每个结点的两种不同状态；两相邻自旋间的相互作用强度决定相邻两个结点是否连接；若相邻两个自旋的相互作用强度大于0，则对应相邻两个结点彼此相互连接，并且两个结点自旋处于同一种状态；若相邻两个自旋的相互作用强度小于0，则对应相邻两个结点彼此不连接，并且两个结点自旋处于相反状态。