Memcomputing真的可以解决NP完全问题吗？

内存计算是一种新颖的非图灵计算范式，它使用交互的存储单元（简称内存处理器）在同一物理平台上存储和处理信息。最近在数学上证明了内存计算机具有与确定性图灵机相同的计算能力。因此，他们可以解决多项式时间内的NP完全问题，并使用适当的体系结构，使用仅随输入大小成倍增长的资源。

（斜体字）。

鉴于声明的强烈性质，如果不是因为它是在《科学》上发表，而某些作者的相关材料是在《自然物理学》上发表的，那么我就认为这是不严重的，这是不认真的。在IEEE期刊和Physics Review E中，所有这些都是著名的同行评审出版物，并且如果没有提出严肃的要求，也不允许这些声明被发表。

是这样吗这些人可以使用他们的模型解决P时间中的NP完全问题吗？

np-complete open-problem

— 亚历山大·金
source

最后一个问题的答案当然不是。P的定义并没有因为某人发明了一种新颖的计算模型而改变。

— EmilJeřábek'17

@EmilJeřábek他们不仅发明了一种新的计算模型，还声称它等同于NP。

— 亚历山大·S·金

您正在混淆。如果他们证明自己的模型与P等效，则意味着P = NP。

— Sasho Nikolov

该论文的摘要包含以下陈述：“最近在数学上证明了内存计算机具有与不确定性图灵机相同的计算能力。” 这仅意味着这两个模型能够解决相同的算法问题。这并不意味着多项式时间复杂度再次转换为多项式时间复杂度。

— 加莫

— Thomas

我认为这已在评论中得到了足够的回答，因此请总结一下所有内容：

作者没有声称P = NP，这是关于确定性和非确定性图灵机的陈述。
作者提出了一个计算模型，他们声称显示出的功率与不确定的图灵机等效。
作者构造了物理机器，以实现小输入量的这种计算模型。
作者认为，使用多项式大小的资源在物理上可以实现/构建更大的版本。
最后的要求当然没有得到证实，也不是正式的声明，这意味着使用多项式大小的资源通常可以在物理上解决NP完全问题。
斯科特·亚伦森（Scott Aaronson）在博客文章中解释了为何最后一个说法有问题，以及其方法的可扩展性为何存在问题：http : //www.scottaaronson.com/blog/? p=2212

— 高利贷
source

我想指出的是，截至今天（2019年10月），没有一个研究人员从2015年的这篇文章中复制了NP完全求解器。此外，在同一作者的所有后续后续内存计算文章中，都没有一行代码可以帮助重现NP完全求解器。

— G. Cohen