创新芯片行研：寒序科技，基于自旋的非全硅基异构概率计算芯片，组合优化问题的另类解法
在浏览创新类计算芯片的过程中，看到了一款比较另类的芯片，全称可以是“基于自旋的非全硅基异构概率计算芯片”
特殊之处
计算原理：利用自旋进行基于马尔可夫链和蒙特卡洛的高性能伊辛（Ising）求解计算
简单说，就是在类似“组合优化”这一类的特定计算上：
- 量子计算优势：对比经典电子比特计算机，如 冯诺伊曼架构
- 常温可行性：对比量子比特计算机，如 D-Wave
这个来自北大物理学院的项目，是从计算原理（电子自旋）和材料（非全硅基）上，都做到了特殊，在特定计算问题上做到了又快又便宜
相同之处
市场：本质上还是加速计算的市场，用于生物医药、冶金工业、金融、AI、航空航天等场景
产品：FPGA 和 ASIC 芯片 或 加速卡，与其他加速卡竞争
风险：量子计算技术路线的突破；成本与当前市场容量的GAP
名词解释
概率计算芯片
一种专门设计用于执行概率计算和处理不确定性信息的硬件。这类芯片通常用于需要进行大量概率推理和统计分析的应用场景，如机器学习、人工智能、信号处理、金融分析等领域。在高效处理概率数据（如概率分布、条件概率等），并行处理、低功耗等方面有天然的优势
概率比特（Probabilistic Bit）
或称为不确定比特，是概率计算中的基本单元，用于表示一个二元变量的概率分布。与传统的确定性比特（只能取0或1的值）不同，概率比特可以同时表示0和1的概率，从而能够处理不确定性和随机性，扩展了传统计算模型，允许计算机系统更加灵活和健壮地处理复杂问题
组合优化问题（Combinatorial Optimization Problem）
一类特殊的优化问题，它们涉及从有限集合中选择元素以形成组合，并寻找最优或次优解的问题
马尔可夫链（Markov chain）
数学中的一个随机过程模型，它用来描述一个系统随时间演变而出现的概率性变化。这种模型的特点是“无记忆性”（memorylessness），即未来的状态转移只依赖于当前状态，而与过去的状态历史无关
蒙特卡洛方法
这是一种基于随机抽样的数值技术，通过随机数来近似计算数学、物理和工程问题。在伊辛模型中，蒙特卡洛方法可以用来模拟自旋的随机变化，并研究系统在不同温度下的平衡状态
伊辛模型
最初是为了模拟铁磁性而提出的，它假设自旋只能是“向上”或“向下”，并且相邻自旋之间存在相互作用。这种模型可以表现出相变现象，即在某个临界温度下，系统会从无序状态转变为有序状态