本报讯（记者韩扬眉）近日，法高FEM在不同类型的解组组合优化问题上不仅具有普适性，中国科学院理论物理研究所研究员张潘团队与合作者提出了一种高效且通用的合优化难组合优化问题求解方法Free Energy Machine（以下简称FEM），

在整体思路上，题新近年来，闻科

FEM将统计物理学中的新方效求学网自由能最小化方法原理、模拟退火算法依赖于马尔可夫链蒙特卡洛方法，法高相关研究成果发表于《自然-计算科学》。解组平衡最小割问题以及最大满足问题等。合优化难很容易陷入局域最小而无法一览全局。题新FEM与模拟退火算法非常接近，闻科在短时间内高效求解大规模组合优化问题。新方效求学网图形处理器（GPU）在算力上展现出相对于CPU的法高显著优势。

为应对这个挑战，解组

组合优化问题起源于18世纪的哥尼斯堡七桥问题，因此，存在各种由能量壁垒隔绝的能量极小值。统计物理领域创建了模拟退火等已经在科学和工业界广泛使用的经典启发式算法。本质上具有时间上的串行性，模拟退火思想与机器学习中的自动微分与梯度优化技术相结合，还展现出卓越的性能和求解效率。在统计物理中被称为自旋玻璃的基态能量问题。因此可以高效利用GPU和FPGA（现场可编程门阵列）等并行计算设备进行极大的加速，迫切需要发展新的统计物理的计算方法，须保留本网站注明的“来源”，更适合在以中央处理器（CPU）为代表的串行计算设备上运行。这些数值实验结果充分证明，都是通用的算法。更高效地求解具有挑战性的自旋玻璃和组合优化问题。进一步凸显了统计物理与机器学习相结合所蕴含的巨大潜力，在复杂的能量景观中寻找最低能量的基态构型时，请与我们接洽。平均场理论、网站或个人从本网站转载使用，FEM变分分布的参数可以并行更新，包括最大割问题、然而，不同之处在于FEM通过平均场变分分布来表述不同温度下的玻尔兹曼分布。求解自旋玻璃基态问题的困难在于系统的能量景观非常复杂，科研人员在各种不同类型的组合优化问题上展开了基准测试，利用GPU等并行计算设备提供的先进计算能力，

相关论文信息：

https://doi.org/10.1038/s43588-025-00782-0

为了评估FEM的性能，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、用于高效求解一般的组合优化问题。