组合优化问题广泛存在于通信网络、智慧物流以及生物医药等领域。然而，这类问题大多属于非确定性多项式时间困难（NP-hard）问题，其计算复杂度会随着问题规模呈指数级增长，传统冯·诺依曼架构难以高效求解。近年来，基于伊辛模型的专用优化处理器受到广泛关注。其中，相干伊辛机（Coherent Ising Machine, CIM）利用量子启发式动力学机制展现出优异的组合优化求解能力，但现有光学 CIM 通常依赖复杂光学器件，存在系统体积大、成本高、集成度低等问题，限制了其实际应用。
针对上述问题，陈卓俊教授团队提出了一种全集成 CMOS 模拟相干伊辛机（SCIM）架构。该架构创新性地引入了自适应自旋冻结技术，可减少冗余计算，从而提升收敛速度并降低功耗；建立了动态泵浦率控制机制，以增大自旋状态临界分岔区域的搜索概率，进而提高求解精度与速度；构建了可重构全连接自旋拓扑结构，可支持不同规模和精度的组合优化问题的直接映射；设计了基于分段线性近似的激活电路和采用布斯乘法的乘累加单元优化方案，有效降低了芯片功耗与面积。
研究团队基于 28 nm CMOS 工艺设计并实现了一款具有 128 自旋节点的全集成模拟相干伊辛机芯片。芯片核心面积仅为 0.354 mm²，工作于 0.6 V 供电电压和 50 MHz时钟频率下，实测功耗仅为 2.952 mW。结果表明，该芯片的求解时间（Time-to-Solution,TTS）仅为 0.15～30 μs，相较于现有先进伊辛机硬件实现，在归一化求解时间指标上实现了 2~1653 倍的性能提升。尤其是在 MIMO 检测任务中，该架构展现出优于传统检测算法的速度与误码率性能，验证了其在无线通信系统中的应用潜力。
相关研究成果以“A 28-nm Fully-Integrated Reconfigurable CMOS Simulated Coherent Ising Machine with Dynamic Pump-Rate Control and Spin Freezing”为题发表在国际集成电路领域顶级期刊《IEEE Journal of Solid-State Circuits》。论文第一作者为半导体学院傅乔奕博士，通讯作者为陈卓俊教授。
来源：陈卓俊
0731-88820068
