科大工學院發表突破性低溫存內計算方案　推進人工智能與量子運算結合

香港科技大學（科大）工學院成功研發出一款能在極低溫環境下運行的新型計算方案，克服了人工智能代理與量子處理器之間的延遲問題，並提升效能，推動了量子運算與人工智能的融合。是項研究由電子及計算機工程學系助理教授邵啟明領導，其技術核心是由磁性拓撲絕緣體製作的霍爾器件實現。

量子電腦被視為高效、快速運算的未來，隨著人工智能技術進步一日千里，兩者的結合更成為了全球科技發展的新方向。然而，量子運算在操作環境及硬件上有一定需求，一直是個重大挑戰。

邵教授介紹說：「量子電腦進行的運算非常複雜，因此需要運用數千個量子比特。為了進一步發掘它的潛力，學術界近期開始藉助機器學習技術，提升量子計算能力，尤其是在糾錯方面。」

量子處理器一般需要在毫開爾文（相當於約攝氏零下273度）的超低溫下運行，而圖形處理器則在室溫下操作。因此，兩者的安裝通常會相隔數米，並通過線路連接，讓人工智能硬件調控量子處理器。這段距離往往對指令傳輸造成顯著延遲（見圖1a）。

因此，為解決裝置之間距離所帶來的延遲，由邵教授帶領的研究團隊提出了一種嶄新的低溫存內計算方案，使人工智能加速器可在量子處理器的數十厘米範圍內操作（見圖1b）。隨著兩者距離縮短，運算延誤大幅削減，而效能則得以提升。

研究團隊認為，磁性拓撲絕緣體在這項應用中具有巨大潛力。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。這些特性令它在低溫下呈現出獨特的現象，例如「自旋—動量鎖定效應」（電子自旋方向垂直於動量方向），可以高效地生成自旋電流；又例如「量子反常霍爾效應」（電子只沿邊緣移動，並且沒有電阻），可通過手性邊緣態實現，無需磁場。

研究團隊還特別選擇了鉻摻雜鉋銻碲磁性拓撲絕緣體（Cr-BST）。該材料以其巨大的量子反常霍爾電阻和高效的電流誘導磁化翻轉能力著稱，可顯著提升霍爾器件性能。

邵教授表示：「這項研究首度驗證霍爾電流求和方案於低功耗存內計算的可行性，特別聚焦低溫環境應用。經實驗驗證，該磁性拓撲絕緣體霍爾橋陣列即使置於量子處理器所需超低溫環境周邊，仍能有效執行強化學習演算法，成功完成量子態製備等任務。」

傳統霍爾器件設計多採用鐵鈷硼合金等鐵磁體材料，長期存在信號微弱與路徑漏電等技術瓶頸，而本研究發現採用Cr-BST材料製備的霍爾橋可有效解決這些缺陷。在概念驗證的分類任務中，四個Cr-BST霍爾器件實現了高精度分類。針對512×512陣列構成的神經網路演算法級，研究人員將其與電路級進行類比。他們發現，當器件在2開爾文的低溫下執行圖像識別和量子態製備任務時，其效能達到每瓦724太次操作（室溫為300開爾文）。

是項研究不僅凸顯了磁性拓撲絕緣體的潛力，更為以拓撲量子物理為基礎的計算方案開闢了新路徑。研究成果最近在《自然材料》發表，論文題為「基於磁性拓撲絕緣體的低溫存內計算」。

未來，邵教授希望透過整合人工智能代理與訓練單元（見圖1c），致力進一步降低推理和在線訓練的延遲，為更高效的量子計算應用鋪路。

本研究由科大聯同加州大學洛杉磯分校、中國科學院物理研究所、香港城市大學及南方科技大學合作完成。科大的邵啟明教授為論文的通訊作者，三位共同第一作者分別為時任科大博士後研究員劉雨亭、加州大學洛杉磯分校博士校友李岳陞及科大博士生錢坤。