它所在的位置，其状态本身便是那个复杂问题的最优解。

    更专业点来说，首先，它会将一个待解决的复杂问题，如一个庞大的方程组或旅行商问题，通过特定的算法，映射成一个高维的“能量泛函”。

    在这个能量景观之中，问题的每一个可能解，都对应着一个特定的能量值。而问题的“最优解”，则对应着这个能量景观中能量最低的那个点，即“全局最优解”或“基态”。

    这个“能量泛函”自然也可以通过经典计算架构求解，那便是经典的数值模拟，其算法有很多，例如梯度下降法或是蒙特卡洛模拟等等。

    熵变核心不求解，它在现实中直接构造出这个函数。

    它将整个系统置于一个高能量，不稳定的量子叠加态，之后，它会通过精确的外部控制，缓慢地降低整个系统的“温度”，即降低系统的总能量，引导整个系统进行“量子退火”。

    在经典的数值模拟中，一直有一个很难被解决的难点——局部最优陷阱。

    一个算法在寻找全局最优解的过程中，很容易就会陷入一个局部的，并非全局最低的“能量陷阱”之中，然后就再也无法逃逸出去。

    但在量子隧穿效应的作用下，这个问题便被自然而然地解决了。

    即便一个系统已经陷入了一个局部的“能量陷阱”之中，它依旧有一定概率，可以像“穿墙”一样，直接“隧穿”过那些挡在它面前的、高耸的能量壁垒，然后，继续向着那个能量更低的、真正的“全局最优解”前进。

    当然这种协处理器能处理的问题类型也非常有限，例如，让它去计算一个简单的四则运算，它甚至可能还不如一个普通的计算器来得快。