在一个快速发展的世界中，各行业一直在努力优化其运营和资源。使用伊辛机器进行组合优化有助于解决某些操作问题，如绘制多城市旅游的最有效路线或优化资源交付。伊辛机器通过将解空间映射到自旋配置空间并解决相关的自旋问题来运行。这些机器在学术界和工业界都有广泛的应用，可以解决机器学习、材料设计、投资组合优化、物流和药物发现方面的问题。然而，对于较大的问题，仍然很难在可行的时间内获得最优解。
现在，虽然可以通过将多自旋翻转集成到其硬件中来优化伊辛机器，但这是一项具有挑战性的任务，因为这本质上意味着通过改变其基本操作来彻底检修传统伊辛机器的软件。但是早稻田大学计算机科学与通信工程系的一个研究团队鈥攃助理教授白井达彦和Togawa教授出席会议鈥攈as为这个长期存在的问题提供了一种新的解决方案。
他们在2022年5月27日发表在《IEEE计算机交易》上的论文中，通过变形哈密顿量（伊辛模型的能量函数），设计了一种可行的多自旋翻转算法。“我们开发了一种混合算法，该算法采用不可行的多自旋翻转，并将其表示为可行的单自旋翻转。该算法与我们的合并过程一起提出，在合并过程中，一个困难的组合问题的原始哈密顿量变形为一个新的哈密顿量，这是一个传统伊辛机的硬件可以轻松解决的问题，”解释道白井达彦。
新开发的混合伊辛工艺与当前的方法和硬件完全兼容，减少了对其广泛应用的挑战。“我们将混合合并过程应用于几个常见的组合优化难题。我们的算法在所有情况下都表现出优异的性能。它减少了剩余能量，并在较短的时间内达到了更优的结果鈥攊“这真的是一种双赢，”Togawa Nozomu说道。
他们的工作将使各行业能够解决新的复杂优化问题，并帮助解决与气候变化相关的问题，如能源需求增加、粮食短缺和实现可持续发展目标（SDG）。白井达彦补充道：“例如，我们可以利用这一点优化各行业的运输和交付规划问题，以提高效率，同时减少二氧化碳排放。”。
这项新技术直接增加了伊辛机可用于生产解决方案的应用数量。因此，伊辛机器方法可以越来越多地用于机器学习和优化科学。该团队的技术不仅提高了现有Ising机器的性能，还为在不久的将来开发新的Ising机器架构提供了蓝图。随着合并算法将Ising机器进一步推向新的未知领域，优化的未来，以及可持续性实践，看起来是光明的。