（部分內(nèi)容需要科學(xué)上網(wǎng)） 量子計(jì)算

量子計(jì)算是一種新興技術(shù)，具有解決復(fù)雜問題的巨大潛力，因?yàn)樗行У貞?yīng)用了量子力學(xué)的特性，例如疊加和糾纏。然而，與任何技術(shù)一樣，也有缺點(diǎn)：

糾錯：

就像早期的經(jīng)典計(jì)算一樣，糾錯是當(dāng)今量子計(jì)算的主要痛點(diǎn)。量子計(jì)算機(jī)對噪聲敏感且難以校準(zhǔn)。與會經(jīng)歷從 0 到 1 或從 0 到 1 的位翻轉(zhuǎn)的傳統(tǒng)計(jì)算機(jī)不同，量子錯誤更難糾正，因?yàn)榱孔游豢梢圆捎脽o限數(shù)量的狀態(tài)。

硬件和溫度：

由于量子計(jì)算機(jī)需要將原子減速到接近靜止?fàn)顟B(tài)，因此它們的處理器必須保持在絕對零 (-273°C) 或附近。即使是最微小的波動也可能導(dǎo)致不必要的運(yùn)動，因此確保它們不受大氣壓力并且與地球磁場絕緣同樣重要。

可擴(kuò)展性

：雖然量子計(jì)算機(jī)在某些任務(wù)上表現(xiàn)出了令人印象深刻的性能，但與經(jīng)典計(jì)算機(jī)相比，它們?nèi)匀幌鄬^小。將量子計(jì)算機(jī)擴(kuò)展到數(shù)百或數(shù)千個量子位，同時保持高水平的相干性和低錯誤率仍然是一項(xiàng)重大挑戰(zhàn)。

神經(jīng)形態(tài)計(jì)算

相比之下，神經(jīng)形態(tài)計(jì)算機(jī)不會面臨這些限制。在室溫下在傳統(tǒng)硬件（圖形處理單元，GPU）上運(yùn)行，計(jì)算的位數(shù)幾乎沒有限制?？梢栽谏窠?jīng)形態(tài)退火器上有效地計(jì)算具有數(shù)百萬個變量和約束的問題。 在自然界中，物理系統(tǒng)往往會朝著最低能量狀態(tài)發(fā)展：物體從山上滑下，熱的東西冷卻下來，等等。這種行為也適用于

神經(jīng)形態(tài)系統(tǒng)

（https://dynexcoin.org/neuromorphic-computing/）。想象一下，想象一個旅行者通過尋找代表問題的能量景觀中的最低谷來尋找最佳解決方案。經(jīng)典算法通過將旅行者放置在景觀中的某個點(diǎn)并允許該旅行者根據(jù)當(dāng)?shù)刈兓苿觼韺ふ易畹凸?。雖然通常下坡移動并避免爬過高的山坡是最有效的，但此類經(jīng)典算法容易將旅行者引導(dǎo)到附近的山谷中，而這些山谷可能不是全局最小值。通常需要進(jìn)行多次試驗(yàn)，許多旅行者從不同的地點(diǎn)開始他們的旅程。

在自然界中，物理系統(tǒng)往往會朝著最低能量狀態(tài)發(fā)展：物體從山上滑下，熱的東西冷卻下來，等等。這種行為也適用于神經(jīng)形態(tài)系統(tǒng)。想象一下，想象一個旅行者通過尋找代表問題的能量景觀中的最低谷來尋找最佳解決方案。經(jīng)典算法通過將旅行者放置在景觀中的某個點(diǎn)并允許該旅行者根據(jù)當(dāng)?shù)刈兓苿觼韺ふ易畹凸取ｋm然通常下坡移動并避免爬過高的山坡是最有效的，但此類經(jīng)典算法容易將旅行者引導(dǎo)到附近的山谷中，而這些山谷可能不是全局最小值。通常需要進(jìn)行多次試驗(yàn)，許多旅行者從不同的地點(diǎn)開始他們的旅程。 ?相比之下，由于固有的平行現(xiàn)象，神經(jīng)形態(tài)退火從旅行者同時占據(jù)許多坐標(biāo)開始。在任何給定坐標(biāo)處的概率隨著退火的進(jìn)行而平穩(wěn)演變，概率在深谷坐標(biāo)附近增加。瞬間跳躍允許旅行者穿過山丘——而不是被迫爬山——減少了被困在不是全球最小值的山谷中的機(jī)會。遠(yuǎn)程命令通過允許旅行者發(fā)現(xiàn)導(dǎo)致深谷的坐標(biāo)之間的相關(guān)性來進(jìn)一步改善結(jié)果。為了加快計(jì)算速度，我們的神經(jīng)形態(tài)平臺直接接入了難以想象的廣闊現(xiàn)實(shí)結(jié)構(gòu)——物理和生物學(xué)啟發(fā)計(jì)算的奇異且違反直覺的世界。神經(jīng)形態(tài)計(jì)算機(jī)不像傳統(tǒng)計(jì)算機(jī)那樣使用由 0 或 1 表示的位來存儲信息，而是使用電壓和電流。動態(tài)的遠(yuǎn)程行為，連同其朝向最佳能量和瞬時效應(yīng)的趨勢，使神經(jīng)形態(tài)計(jì)算機(jī)能夠同時考慮和操縱許多位組合。 Dynex 平臺利用這種動態(tài)來加速和啟用解決離散優(yōu)化、采樣和機(jī)器學(xué)習(xí)問題的新方法。Dynex 使用稱為神經(jīng)形態(tài)退火的過程來搜索問題的解決方案。神經(jīng)形態(tài)退火從根本上不同于經(jīng)典計(jì)算。它利用現(xiàn)實(shí)世界物理系統(tǒng)的自然趨勢來尋找低能量狀態(tài)。例如，如果優(yōu)化問題類似于山峰和山谷景觀，則每個坐標(biāo)代表一個可能的解決方案，其高度代表其能量。最好的解決方案是能量最低的點(diǎn)對應(yīng)于景觀中最深的山谷中的最低點(diǎn)。 Dynex SDK

客戶可以在去中心化的Dynex 神經(jīng)形態(tài)計(jì)算平臺

上運(yùn)行計(jì)算，該平臺將來會由越來越多的貢獻(xiàn)者提供支持。這些（顯卡）礦工正在運(yùn)行專有的有用工作量證明 (PoUW) 算法

DynexSolve

（https://dynexcoin.org/wp-content/uploads/2023/02/dynexsolve-paper-v1.0c.pdf）。Dynex 專有的作業(yè)管理和調(diào)度系統(tǒng)

Dynex Mallob

可確保以盡可能最快的方式分配和計(jì)算計(jì)算作業(yè)。 一套開源 Python 工具，用于解決神經(jīng)形態(tài)計(jì)算的難題。

幫助重新表述應(yīng)用程序的問題，以便通過神經(jīng)形態(tài)計(jì)算平臺或神經(jīng)形態(tài)-經(jīng)典混合工作流解決。

處理您的應(yīng)用程序代碼與神經(jīng)形態(tài)計(jì)算平臺之間的通信。

計(jì)算是通過將

Dynex 處理單元

(DPU) 初始化為已知問題的基態(tài)，并將系統(tǒng)退火至待解決的問題，使其在整個過程中保持低能量狀態(tài)來執(zhí)行的。在計(jì)算結(jié)束時，每個狀態(tài)都以 0 或 1 結(jié)束。這個最終狀態(tài)是要解決的問題的最優(yōu)或接近最優(yōu)解。 資源

可以在我們的Dynex SDK GitHub （https://github.com/dynexcoin/DynexSDK）存儲庫上訪問我們的指導(dǎo)性 Jupyter 筆記本以及我們的 Dynex SDK 代碼示例。問題建?；陂_源標(biāo)準(zhǔn)框架dimod，它是 QUBO/Ising 采樣器的共享 API。它提供： 二次模型的類——例如二元二次模型 (BQM) 類，其中包含 Dynex 平臺或 D-Wave 系統(tǒng)等采樣器使用的 Ising 和 QUBO 模型——以及高階（非二次）模型。

采樣器和組合采樣器的參考示例。

用于構(gòu)造新采樣器和組合采樣器的抽象基類。

DIMOD文檔（https://docs.ocean.dwavesys.com/en/stable/docs_dimod/） Dynex SDK存儲庫（https://github.com/dynexcoin/DynexSDK）

已經(jīng)熟悉 dimod 框架的開發(fā)人員和應(yīng)用程序開發(fā)人員會發(fā)現(xiàn)在 Dynex 神經(jīng)形態(tài)計(jì)算平臺上運(yùn)行計(jì)算非常容易：Dynex 采樣器對象可以簡單地替換通常用于運(yùn)行計(jì)算的默認(rèn)采樣器對象，例如，D -Wave系統(tǒng)——沒有上述限制。

初學(xué)者指南

請注意，我們的存儲庫目前正在開發(fā)中，您會在不久的將來找到越來越多的示例代碼和教程。以下是我們的一些初學(xué)者指南，演示了 Dynex SDK 的使用： 示例： BQM（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_bqm.ipynb）

示例： BQM K4 完整圖（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_bqm_k4_complete_graph.ipynb）

示例： 邏輯門（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_logic_gates.ipynb）

示例： QUBO（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_QUBO.ipynb）例：反交叉問題

示例：最大獨(dú)立集（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_MIS.ipynb）

示例：SAT（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_SAT.ipynb）

示例：NAE3SAT（https://github.com/dynexcoin/DynexSDK/blob/main/beginners_guide_example_random_nae3sat.ipynb）

代碼示例

我們目前正在整理案例和代碼，會在完成時更新此條目。

旅游規(guī)劃

使用 DPU 優(yōu)化多腿旅游的運(yùn)動模式。

特征

選擇使用互信息進(jìn)行機(jī)器學(xué)習(xí)的特征選擇。

RNA FOLDING

使用 DPU 找到 RNA 序列的最佳莖結(jié)構(gòu)。

投資組合優(yōu)化

解決投資組合優(yōu)化問題的不同公式。

3D BIN PACKING

使用 DPU 使用最小數(shù)量的箱子來包裝不同尺寸的物品。

JOB SHOP SCHEDULING

確定使用 DPU 在一定數(shù)量的機(jī)器上運(yùn)行一組作業(yè)的計(jì)劃。

水庫管理

通過控制水泵來管理水庫中的水位。

作物輪作

使用 DPU 為要在一組相連的地塊中種植的一組作物找到最佳作物輪作。

多車噴漆車間優(yōu)化

使用 DPU 解決多車噴漆車間優(yōu)化問題。

AIRLINE HUB LOCATIONS

確定哪些機(jī)場應(yīng)作為航空公司的樞紐位置。使用 DPU 解決。

免疫策略

找到打破人群中病毒或傳染病傳播周期所需的最少免疫劑量。

充電站的布置

根據(jù)現(xiàn)有充電站的位置和興趣點(diǎn)，確定在地圖上放置新充電站的位置。

密碼加法

使用 DPU 解決密碼加法難題。

圖像分割

使用離散二次模型 (DQM) 和混合求解器執(zhí)行基本圖像分割。

FACTORING

使用神經(jīng)形態(tài)計(jì)算的因子數(shù)。

護(hù)士調(diào)度

護(hù)士調(diào)度模型的演示。

KNAPSACK

背包問題的實(shí)施，設(shè)置為擴(kuò)展到大問題規(guī)模。

結(jié)構(gòu)失衡

分析簽名社交網(wǎng)絡(luò)上的結(jié)構(gòu)失衡。