理论物理所&华为：结合统计物理与机器学习用于组合优化新方法 |《自然-计算科学》论文
Springer Nature约 2 分钟近期来自中国科学院理论物理研究所的研究团队在《自然-计算科学》发表了论文“用于组合优化问题的FEM方法”（Free-energy machine for combinatorial optimization），欢迎阅读文章了解详情。
在科学界和工业界中，寻找组合优化问题（COP）的最优解十分重要。为利用复杂模型和先进的计算硬件开发更高效的方法，前人已付出了许多努力。然而，同时实现求解方法的高效和通用仍然具有挑战性。
来自中国科学院理论物理研究所的研究团队将统计物理中的自由能最小化方法与机器学习中的自动微分和梯度优化技术相结合，提出了一种名为free-energy machine（FEM）的通用方法。FEM可在统一框架内灵活求解不同的COP，同时高效利用图形处理器等并行计算设备。他们在最大割问题、平衡最小割问题，以及最大满足问题等不同的COP上对FEM展开了基准测试，变量高达数百万个，且涵盖合成数据集与真实数据集。研究结果表明，FEM的效率和效力显著优于单个COP上的专用最先进算法，展现了统计物理与机器学习相结合的巨大应用潜力。
论文表1：FEM求解COP的原理和框架。
扫码阅读论文全文
通讯作者：Pan Zhang（中国科学院理论物理研究所）
第一作者：Zi-Song Shen、Feng Pan（中国科学院理论物理研究所），Yao Wang（华为技术有限公司）
DOI：10.1038/s43588-025-00782-0
发表日期：2025年3月24日
《自然-计算科学》
2023 Journal Metrics
影响因子：12.0
五年影响因子：12.1
学科排名：2/170，计算机科学-跨学科应用；4/144，计算机科学-理论与方法；9/134，多学科科学
引用量：1,942
下载量：707,820
*数据来源：2023年Journal Citation Reports, Clarivate Analytics 2024和期刊官网
《自然》系列期刊产品试用申请
Nature Portfolio期刊是多学科研究和综述期刊的合集，自1869年起一直致力于理解、 探讨和分享科学。《自然》系列期刊目前包含40种《自然》系列研究期刊，涵盖生命科学、物理科学、临床医学和社会科学领域，以及26种《自然综述》系列期刊，为您提供权威、易于理解、意义重大的综述内容。
▲ 如果您对《自然》系列期刊产品感兴趣，愿意推荐您所在的院校或机构申请试用，欢迎扫码提交表单申请。
欢迎扫描图片二维码或点击“阅读原文”了解《自然》及其系列期刊。
版权声明：本文由施普林格∙自然上海办公室负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系[email protected]。
© 2025 Springer Nature Limited. All Rights Reserved