科大研發低溫存內計算方案 推進人工智能與量子運算結合

香港科技大學（科大）工學院成功研發出一款能在極低溫環境下運行的新型計算方案，克服人工智能代理與量子處理器之間的延遲問題，並提升效能。

電子及計算機工程學系助理教授邵啟明指出，量子電腦進行的運算非常複雜，因此需要運用數千個量子比特。學術界近年開始藉助機器學習技術，提升量子計算能力，尤其是在糾錯方面。

量子處理器一般需要在毫開爾文（相當於約攝氏零下273度）的超低溫下運行，而圖形處理器則在室溫下操作。因此，兩者的安裝通常會相隔數米，並通過線路連接，讓人工智能硬件調控量子處理器。這段距離往往對指令傳輸造成顯著延遲。

邵啟明帶領的研究團隊提出一種嶄新的低溫存內計算方案，使人工智能加速器可在量子處理器更近的範圍內（約數十厘米）操作。減少運算延誤，提升效能。

團隊指出，磁性拓撲絕緣體不僅具備絕緣體的體帶隙，其表面或邊緣還存在導電態。這些特性令它在低溫下呈現出獨特的現象，例如「自旋—動量鎖定效應」（電子自旋方向垂直於動量方向），可以高效地生成自旋電流；又例如「量子反常霍爾效應」（電子只沿邊緣移動，並且沒有電阻），可通過手性邊緣態實現，無需磁場。

團隊還特別選擇了鉻摻雜鉋銻碲磁性拓撲絕緣體（Cr-BST），該材料具巨大的量子反常霍爾電阻和高效的電流誘導磁化翻轉能力，可顯著提升霍爾器件性能。

邵啟明表示，這項研究首度驗證霍爾電流求和方案於低功耗存內計算的可行性，經實驗驗證，該磁性拓撲絕緣體霍爾橋陣列即使置於量子處理器所需超低溫環境周邊，仍能有效執行強化學習演算法，成功完成量子態製備等任務。

該項研究成果最近在《自然材料》發表。@