【本网讯】集成电路与新能源学院谢小军老师在计算机科学领域Top期刊《Applied Soft Computing》（IF=6.6）（中国科学院计算机科学2区Top，JCR计算机科学Q1）发表题为“A discrete Hopfield neural network solves 3-SAT by optimizing weights based on clause-derived energy functions”的学术论文。

内容简介：布尔 3 可满足性（3-SAT）问题是经典 NP 完全问题，在人工智能、电路设计、密码学等领域拥有广泛应用。离散 Hopfield 神经网络（DHNN）凭借联想记忆特性与并行动力学机制，在求解 3-SAT 问题上具备天然优势，但传统基于离散 Hopfield 神经网络的 3-SAT 求解模型需要开展复杂高阶突触权值计算，面对大规模算例时可扩展性与计算效率存在明显短板。针对该缺陷，本研究提出一种可扩展性更强、计算效率更优的离散 Hopfield 神经网络求解框架。研究重构代价函数并设计简化编码方案，可直接对子句层级逻辑结构进行编码，规避高维张量显式运算，大幅降低模型计算开销与内存占用。多组大小规模 3-SAT 算例测试结果表明，本文所提框架有效缩短网络学习与状态检索耗时、减少内存消耗，同时保持稳定优异的检索准确率。该研究进一步拓展了离散 Hopfield 神经网络在逻辑程序设计、组合优化场景下的实用价值，能够更好适配大规模、结构复杂的优化求解任务。

论文链接：Xiaojun Xie, Saratha Sathasivam. A discrete Hopfield neural network solves 3-SAT by optimizing weights based on clause-derived energy functions Applied Soft Computing, Volume 202, Part C, October 2026, 115872.https://doi.org/10.1016/j.asoc.2026.115872.

供稿：学院办公室；初审：余建想；复审：曹噬云；终审：宋锋华）