该报纸（记者Han Yangmei）最近，中国科学学院理论物理学研究所的研究人员张潘（Zhang Pan）提出了一种解决求解问题的伟大而通用的方法，可以解决自由机器（在这里被称为fem），这可能包含在统计和机器学习方面的组合，并解决了许多统计学上的挑战，并且有许多挑战。相关的研究结果已发表在“自然计算科学”中。结合组合的问题来自18世纪的康尼斯堡七个桥梁问题，称为统计物理学中自旋玻璃的基态能量问题。解决自旋玻璃陆地玻璃状态问题的困难是系统的能量视图非常复杂，并且通过能量屏障隔离的最小能量有不同的最小能量。在寻找复杂能量景观中能量状态的最低调整时ES，很容易陷入最小的地区，并且看不到一眼的总体情况。为了应对这一挑战，统计物理学领域创造了经典的启发式方法，例如在科学和工业中广泛使用的模拟退火。但是，模拟的退火算法取决于马尔可夫链蒙特卡洛的方法，该方法本质上是时间串联，更适合以中央处理单元（CPU）表示的串行计算设备。近年来，图形处理器（GPU）在计算能力中显示出明显的CPU。因此，紧急开发新的统计计算技术，游戏是由计算设备（例如GPU）提供的高级计算能力，以解决旋转和集成的挑战性问题 - 以及优化的问题。 FEM结合了最大程度地减少统计物理学，平均野外理论，宣布的模拟想法和自动差异的自由方式的原理 - 不同优化机器学习以有效解决一般组合发展问题的有潜在技术。就一般思维而言，FEM非常接近模拟退火算法，它们都是通用算法。区别在于，FEM通过平均差异场的平均分布在不同温度下表达玻尔兹曼的分布。 fem变异分布参数可以并行更新，因此MaaThis非常使用计算设备，例如GPU和FPGA（可以编程为Gate Array的字段）以执行良好的加速度，并且可以在短时间内与组合的组合解决重大问题。为了评估FEM的性能，研究人员对各种组合的问题进行了基准测试，包括最大的切割问题，平衡的最低切割问题和最大的满意度问题。实验结果的数量完全证明了FEM不仅在VAR中是通用的组合优化问题的类型，但也显示出良好的性能效率和解决方案。相关论文信息：https：//dii.org/10.1038/s43588-025-00782-0