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。
