加拿大皇后大学研究团队开发出一种基于光的伊辛计算机，旨在用于求解蛋白质折叠、数值划分等复杂优化问题。研究人员表示，该装置由现成商用组件搭建，可在室温条件下运行，并在进行每秒数十亿次运算时保持高稳定性，连续工作可达数小时。相关研究已发表于《自然》。

该项目由加拿大神经形态光子计算研究主席、皇后大学物理、工程物理与天文学系教授Bhavin Shastri牵头，团队成员包括研究生Nayem Al Kayed与Hugh Morison。研究还与麦吉尔大学研究员David Plant及其研究生Charles St-Arnault合作完成。研究团队采用了商业可得的激光器、光纤与调制器等器件，这些技术也是当前互联网基础设施的核心组成部分。

研究人员介绍，系统的核心思路来自伊辛模型：将待求解问题映射为相互作用的“自旋”，并通过寻找最低能量状态来对应优化问题的较优解。与传统以“自旋向上/向下”表征不同，该系统以“有光脉冲/无光脉冲”来模拟自旋状态。光脉冲在环路中传播并发生相互作用，最终收敛到代表解的稳定配置。Shastri表示，这是“一种将光转化为问题解决者的方法”。

研究团队以物流路径规划等场景说明优化问题的难度：随着停靠点数量增加，可选路线数量会迅速膨胀。Shastri举例称，5个停靠点对应12条可能路线，10个停靠点约18万条，20个停靠点超过6000亿条；若增加到50个停靠点，逐一检查所有可能性所需时间将超过宇宙年龄。研究人员指出，这类从大量选项中寻找最优方案的优化问题也广泛存在于供应链、药物设计与城市规划等领域。

在工程实现上，研究团队称其系统在简化结构的同时实现了较高性能：仅使用五个基本组件构建出包含256个自旋的机器。研究人员表示，该装置的稳定性使其能够探索更复杂的问题；相比之下，部分光学伊辛机器的自旋状态可能在毫秒级时间尺度内崩溃。团队还将传统计算机系统中用于可靠长距离互联网数据传输的相关技术引入该装置，并称其稳定性足以处理包含数万个变量的问题。

研究人员表示，室温运行意味着相较需要极低温或特殊材料的方案，该系统能耗更低，也更有利于实用化与扩展。团队下一步工作将聚焦于扩大规模、系统集成、增加自旋数量，并提升能效与成本效益，同时计划与产业合作伙伴开展试点项目，推动技术在实际场景中的应用。