摘要：科学家开发了一种以神经生物学建立的解决问题的结构，该结构利用量子机械行为来保证对复杂问题的最佳解决方案。...

Clifford W. Murphy教授兼副院长Shantanu Chakrabartty说，解决一个3x3 Rubik的立方体很容易解决。只需学习并记住这些步骤，然后执行它们以达到解决方案即可。计算机已经擅长于这种程序问题解决。现在，Chakrabartty及其合作者已经开发了一种工具，可以超越程序，以发现物流中复杂优化问题的新解决方案，以发现药物发现。

Chakrabartty和他的合作者介绍了Neurosa，这是一种解决问题的神经形态架构，旨在建立人类神经生物学的功能，但利用量子机械行为来找到最佳的解决方案 - 保证 - 保证 - 与先进的方法相比，找到这些解决方案更可靠。多元大学合作努力于3月31日在自然通讯起源于牙柳赖氏神经形态和认知工程研讨会，由Chakrabartty和第一作者Zihao Chen领导。

Chakrabartty说：“我们正在寻找比以前建立的计算机更好地解决问题的方法。” “ Neurosa旨在解决'发现'问题，这是机器学习中最困难的问题，其目标是发现新的和未知的解决方案。”

在优化中，退火是在最终解决最佳解决方案之前探索不同可能解决方案的过程。 Chakrabartty说，Fowler-Nordheim（FN）退火器使用量子机械隧道的原理来有效地寻找最佳的最佳解决方案，它们是Neurosa中的“秘密成分”。

“在优化问题中，当系统需要转移时，策略就会发挥作用 - 就像当您在校园里寻找最高的建筑物时，何时搬到另一个地区？” Chakrabartty说。 “ Neurosa的结构是神经形态的，就像我们使用神经元和突触的大脑结构一样，但是它的搜索行为由FN退火器决定。神经和量子之间的关键桥梁是使Neurosa变得如此强大的原因，并且可以保证我们能够提供足够时间的解决方案。”

当让Neurosa搜索最佳解决方案的时间表可能范围从几天到几周，甚至更长的情况下，取决于问题的复杂性时，这种保证就变得尤为重要。在该论文中，Chakrabartty的团队与SpinnCloud Systems的研究团队合作，已经证明了Neurosa可以在Spinnaker2 Neuromormormorphic Computing平台上实施，证明了其可行性。接下来，Chakrabartty预计该工具可以应用于在供应链，制造和运输服务中优化物流，或通过探索最佳蛋白质折叠和分子构型来发现新药。

This work was supported in part by the U.S. National Science Foundation (ECCS:2332166 and FET:2208770), the Federal Ministry of Education and Research of Germany in the program, the EIC Transition under the "SpiNNode" project, the Horizon Europe project "PRIMI," the Italian National Recovery and Resilience Plan (NRRP), the U.S. Department of Energy's Office of Science, the Office of Energy Efficiency and Renewable Energy's Advanced Manufacturing以及材料技术办公室和SLAC国家实验室。

Spinnaker2是SpinnCloud Systems的神经形态硬件加速器平台，该系统与某些合着者具有从属关系和财务利益。基于Fowler-Nordheim的动力学系统的专利和知识产权由圣路易斯的华盛顿大学管理。