量子计算机的新对手：随机磁电路，因数分解更厉害

　　晓查 发自 凹非寺
　　量子位 出品 公众号 QbitAI

　　大数的因子分解是现代非对称加密的数学基础之一，谁能用算法在较短的时间内破解这个问题，就将严重威胁现存的加密体系。

　　这也是科学家们如此重视量子计算机的原因，量子计算中的Shor 算法能够较快的分解一个大数。

　　如今，来自日本东北大学和美国普渡大学的科学家们受到神经网络原理的启发，发明了一种新的硬件，也能够实现因数分解，而且这种硬件的制造工艺和使用方法比量子计算机更简单。现在它只需8bit就能对945执行因数分解。

　　这就是包含纳米磁体的集成电路，完整的名称是：随机行为纳米磁性隧道结（MTJ）。目前相关论文已刊登在《Nature》杂志上。

　　与量子计算机有何不同

　　下图展示了普通计算机、量子计算机和随机磁电路的区别：

　　a 表示普通计算机，只能处于 0 或者 1 两种状态之一，0 和 1 的区别就在于栅极上带的是哪种电荷；d表示量子计算机，可以同时处于 0 和 1 两种状态的叠加，就像薛定谔的猫，只要没打开箱子，就同时处于“死和生”两种状态。

　　而随机磁电路中每个位也具有 0 或 1 的状态，这取决于磁体中的电子的总体自旋是向下还是向上。随机磁位在 0 和 1 状态之间随机波动，并且在每种状态下具有一定的概率，在图中由箭头大小表示。

　　随机磁电路与现有的磁阻随机存储器原理类似，不过其能垒更低。对于随机磁电路中的位来说，由于 0 和 1 之间的能量差距很小，随机弛豫力导致纳米磁体在两种状态之间随机波动，研究人员这种比特叫做随机比特，简称p比特（p-bit）。

　　不同p比特之间通过磁场产生相互作用，调节纳米磁体的直径和厚度可以改变其消磁所用的时间。为了让磁体之间形成随机神经网络的模块，研究人员将随机 MTJ 与 NMOS 晶体管连接起来，获得一个三端p比特。

　　优点

　　在论文提到的因数分解算法中，只需n个p比特就可以编码高达2ⁿ⁺²的整数，这种关系比当前的量子计算机方案需要的比特数更少。

　　除了在存储和算法上的优势外，随机磁电路相比量子计算机还有两大优点。

　　首先，纳米磁铁芯片可以使用已有的磁阻随机存储器（MRAM）工艺制造，而量子计算机则需要高度复杂的制造工艺。

　　其次，纳米磁芯片可以在室温下工作，而量子计算机需要冷藏才能保持在绝对温度 1K 以下。因为要维持低温，量子计算机需要消耗大量能量，计算机本身每一瓦的功率，则需要大约一千瓦的制冷功率，这会增加开发和操作的难度。

　　应用前景

　　用于质因子分解的纳米磁芯片方法仍处于起步阶段，需要进行许多开发才能将它转变为实用的计算引擎。其中的挑战有：将数千个磁位相互连接起来，在集成电路中组合磁位和普通的晶体管。

　　与量子计算相比，这些要求能够更快更容易地实现，未来许多机构的资金可能会从量子计算转向纳米磁芯片。

　　随机磁电路是对 MRAM 技术进行微小的修改就能实现的，研究人员认为，这种技术未来还可以在优化、采样和机器学习领域找到应用。

　　论文链接：

　　https://www.nature.com/articles/s41586-019-1557-9