科大工学院发表突破性低温存内计算方案　推进人工智能与量子运算结合

香港科技大学（科大）工学院成功研发出一款能在极低温环境下运行的新型计算方案，克服了人工智能代理与量子处理器之间的延迟问题，并提升效能，推动了量子运算与人工智能的融合。是项研究由电子及计算机工程学系助理教授邵启明领导，其技术核心是由磁性拓扑绝缘体制作的霍尔器件实现。

量子电脑被视为高效丶快速运算的未来，随着人工智能技术进步一日千里，两者的结合更成为了全球科技发展的新方向。然而，量子运算在操作环境及硬件上有一定需求，一直是个重大挑战。

邵教授介绍说：「量子电脑进行的运算非常复杂，因此需要运用数千个量子比特。为了进一步发掘它的潜力，学术界近期开始藉助机器学习技术，提升量子计算能力，尤其是在纠错方面。」

量子处理器一般需要在毫开尔文（相当于约摄氏零下273度）的超低温下运行，而图形处理器则在室温下操作。因此，两者的安装通常会相隔数米，并通过线路连接，让人工智能硬件调控量子处理器。这段距离往往对指令传输造成显着延迟（见图1a）。

因此，为解决装置之间距离所带来的延迟，由邵教授带领的研究团队提出了一种崭新的低温存内计算方案，使人工智能加速器可在量子处理器的数十厘米范围内操作（见图1b）。随着两者距离缩短，运算延误大幅削减，而效能则得以提升。

研究团队认为，磁性拓扑绝缘体在这项应用中具有巨大潜力。这类材料不仅具备绝缘体的体带隙，其表面或边缘还存在导电态。这些特性令它在低温下呈现出独特的现象，例如「自旋—动量锁定效应」（电子自旋方向垂直于动量方向），可以高效地生成自旋电流；又例如「量子反常霍尔效应」（电子只沿边缘移动，并且没有电阻），可通过手性边缘态实现，无需磁场。

研究团队还特别选择了铬掺杂刨锑碲磁性拓扑绝缘体（Cr-BST）。该材料以其巨大的量子反常霍尔电阻和高效的电流诱导磁化翻转能力着称，可显着提升霍尔器件性能。

邵教授表示：「这项研究首度验证霍尔电流求和方案于低功耗存内计算的可行性，特别聚焦低温环境应用。经实验验证，该磁性拓扑绝缘体霍尔桥阵列即使置于量子处理器所需超低温环境周边，仍能有效执行强化学习演算法，成功完成量子态制备等任务。」

传统霍尔器件设计多采用铁钴硼合金等铁磁体材料，长期存在信号微弱与路径漏电等技术瓶颈，而本研究发现采用Cr-BST材料制备的霍尔桥可有效解决这些缺陷。在概念验证的分类任务中，四个Cr-BST霍尔器件实现了高精度分类。针对512×512阵列构成的神经网路演算法级，研究人员将其与电路级进行类比。他们发现，当器件在2开尔文的低温下执行图象识别和量子态制备任务时，其效能达到每瓦724太次操作（室温为300开尔文）。

是项研究不仅凸显了磁性拓扑绝缘体的潜力，更为以拓扑量子物理为基础的计算方案开辟了新路径。研究成果最近在《自然材料》发表，论文题为「基于磁性拓扑绝缘体的低温存内计算」。

未来，邵教授希望透过整合人工智能代理与训练单元（见图1c），致力进一步降低推理和在线训练的延迟，为更高效的量子计算应用铺路。

本研究由科大联同加州大学洛杉矶分校丶中国科学院物理研究所丶香港城市大学及南方科技大学合作完成。科大的邵启明教授为论文的通讯作者，三位共同第一作者分别为时任科大博士后研究员刘雨亭丶加州大学洛杉矶分校博士校友李岳升及科大博士生钱坤。