編輯丨coisini

人工智能（AI）的迅速發展帶來了算力需求的激增。量子計算一直被普遍認為具有高速、高效的優勢，因此量子計算在 AI 領域具有廣闊的應用前景。

然而，量子處理器通常需要在毫開爾文溫度（約零下 273 攝氏度）下運行，需要安裝在距離室溫圖形處理器數米之外的位置，導致嚴重延遲。

為了解決這一問題，來自香港科技大學（HKUST）等機構的研究者提出了一種新型低溫存內計算方案，使人工智能加速器能在距離量子處理器更近的位置運行 —— 兩者僅需相隔數十厘米即可協同運行，顯著提升了運算速度和效率。研究論文以《Cryogenic in-memory computing using magnetic topological insulators》為題發表于《Nature Materials》。

論文地址：https://www.nature.com/articles/s41563-024-02088-4

如下圖 (a) 所示，量子處理器安裝在距離圖形處理器數米之外的位置會導致嚴重延遲。

研究團隊意識到：磁性拓撲絕緣體對于解決這個問題具有巨大的潛力。這類材料不僅具備絕緣體的體帶隙，其表面或邊緣還存在導電態。因此磁性拓撲絕緣體也展現出諸多獨特現象，包括「自旋 - 動量鎖定效應」、「量子反常霍爾效應」等。

基于此，研究團隊選用了 Cr-BST 這一特定類型的磁性拓撲絕緣體。該材料因已被證實能產生巨大的量子反常霍爾電阻及高效的電流誘導磁化翻轉而備受矚目，這些特性可顯著提升霍爾器件的性能。

以往采用鐵鈷硼合金等傳統鐵磁體的霍爾器件設計方案，通常會面臨信號微弱和潛通路（sneak path）等問題。而該研究提出的霍爾條（Hall bar）陣列電路設計取得了顯著成功。

在概念驗證分類任務中，四個 Cr-BST 霍爾器件實現了高精度識別，而對 512×512 神經網絡的模擬顯示，在 2 開爾文低溫（室溫 300 開爾文）下執行圖像識別和量子態制備任務時，其效能達到每瓦 724 太次操作。

論文通訊作者、香港科技大學電子及計算機工程學系助理教授邵啟明表示：「這一突破首次展示了適用于低功耗存內計算的霍爾電流求和方案，尤其是在低溫環境下。我們的磁性拓撲絕緣體霍爾條陣列能高效實現強化學習算法，例如在量子處理器附近進行量子態制備。」

這項研究不僅揭示了磁性拓撲絕緣體的應用潛力，更為基于拓撲量子物理的計算方案開辟了新途徑。未來，研究團隊計劃通過將 AI 智能體與訓練單元集成，進一步降低推理和在線訓練延遲，并開拓出更高效的量子計算應用場景。

https://seng.hkust.edu.hk/zh-hans/news/20250324/kedagongxueyuanfabiaotupoxingdiwencunneijisuanfangan-tuijinrengongzhinengyuliangziyunsuanjiehe

https://phys.org/news/2025-03-meters-closer-miles-faster-cryogenic.html