── 削片后会进化什么？

该芯片是第一代LSI（大规模集成电路），但为了制作第二代（图5）和第三代实际应用的原型芯片，我们将分别使用FPGA^*6我们使用 FPGA 的原因是为了更容易地将更高效的算法融入到软件中。

[图5]第二代CMOS芯片可以先用FPGA进行编程
由日立有限公司研究与开发小组提供

第一台 CMOS 退火机是 ASIC^*7因此，伊辛模型的构型是固定的。伊辛模型仍有改进的空间，例如自旋之间的键如何连接以及键的强度。如果使用ASIC的话，那就是固定的，所以到了第二代，就需要能够使用FPGA随时改变。因此，在对第一个芯片进行原型设计后，我们发现了它的有效性，因此下次我们将使 FPGA 板能够在不修复芯片的情况下更改新的算法和参数。

── 第三代FPGA模型会是什么样子？

此外，在第三代（图6）中，退火本身是使用SQA（模拟量子退火）方法执行的^*8这种退火方法的概念大约在10年前就出现了，2016年谷歌在一次学术会议上宣布可以通过软件整合量子效应。因此，我们决定将其合并到硬件中以提高准确性。这里我用FPGA来尝试一下。

[图6]第三代原型，每层伪表达量子效应
由日立有限公司研究与开发小组提供

简单地说，其想法是创建 Ising 模型的多个副本（副本）并对每个副本执行计算，但最终行为会收敛到一个。这再现了量子效应的叠加原理。真正的量子效应允许无限叠加，但到目前为止我们已经实现了大约 32 或 64 层的叠加。通过使用这种叠加，可以提高精度。

通过实际再现32层的叠加效果，我们发现优化问题的执行速度比传统模拟退火方法快15或40倍。

── 每层如何用CMOS技术表示？

每一层都表示为 CMOS SRAM 存储器，因此您可以创建一个稍大的 SRAM，并使第 1 层对应于 SRAM 中的内存块 1，第 2 层对应于同一 SRAM 中的内存块 2。此时，各层的连接状态是相同的。然而，由于仅自旋值不同，因此不再需要使SRAM大规模化。

─ 实际应用面临哪些挑战？

我们已经完成了基本的硬件配置，但如果我们想将其投入实际使用，重要的是结合我们目前正在开发的软件。让我给你举一个该软件的例子。原始伊辛模型中的自旋具有复杂的连接，但退火机具有规则的结构。因此，我们正在开发转换软件，将复杂的连接复制为规则的形状。这使得硬件更简单，求解起来更快、更容易。通过该软件的开发，我们正在推进该技术的实际应用。

─ 这种CMOS方法或量子效应有什么问题？

由于这项技术是新技术，因此存在一些应用问题，包括其软件开发以及在何处使用。对于 CMOS 和量子类型都是如此，我们认为软件开发是一个非常重要的问题。我们并不孤单地致力于这一努力；日本和国外的研究人员也正在研究这个问题，因为他们认为软件开发很重要。

CMOS 的问题是它不如量子计算机精确。如果要在相同的时间内进行计算，CMOS的精度较低，而如果要获得相同的精度，CMOS会花费更多的时间。然而，为了解决这个问题，有一些方法可以提高算法的准确性，例如伪量子效应。

另一个问题是能否确定实际使用中需要多少精度。这意味着从工程角度确定实际应用所需的精度。如果没有必要的话，提高准确性是没有意义的。

例如，在组合优化问题中，质因数分解用于求解代码，因此需要量子计算机，因为精度是优先考虑的。据说，如果所有数字都可以因式分解为质因数，那么密码就可以被破解。

另一方面，根据应用程序的不同，进行优化可能会更好。例如，在优化投资组合时，所需的条件会根据世界趋势而变化。由于此时已找到最佳条件，因此解决方案应该接近最佳。在这些情况下，CMOS更具优势。

── 对于AI音箱中使用的语音识别和字符识别来说，接近最优比准确更重要。

我想是的。对这些认识到一定程度后，你就可以将其纠正为更接近你要找的领域的单词，更接近答案。因此，对识别精度没有严格的要求。

除了精度之外，还需要规模。需要确定在相同时间量内计算相同规模时哪种方法更有利。

我认为量子计算机也在努力提高其效率。换句话说，并不是只需要一种类型；而是需要一种类型。 CMOS和量子型各有优点，根据用途适当使用它们将会带来更广泛的应用。