此外,CIM还被应用于化学合成和金融投资等领域。在化学反应网络中,寻找最佳途径对于阐明和设计化学过程至关重要,这种化学寻径问题可以表述为一个约束COP,可以在给定的网络中找到连接起始材料到目标材料的化学反应的最佳组合。对于这种COP,CIM可以充分展现其计算优势。2024年,Mizuno等[31]将伊辛机应用于化学路径寻找问题,并使用贝叶斯优化方法进行参数调整,在基准测试上证明找到近似最优路径是可行的。此外,Tsud等[32]也认为为了更好的材料性质而合成各种分子的试错过程是类黑盒过程,使用伊辛机可以获得较好的结果。2023年,Tsud等[33]基于图的二进制变分自编码器获得离散潜在向量,并使用伊辛机对其进行优化,实验结果表明,基于图形处理器(Graphics Processing Unit,GPU)的伊辛机可以应用于基于深度学习的材料设计。此外,CIM有望被使用在求解量子位耦合簇方法的最低特征态[34],该方法是构造量子位空间中电子波函数的一种潜在的精确方法,可以应用于计算氢化锂、水和苯分子的量子耦合簇(Quantum Coupled Cluster,QCC)电子基态。2023年,玻色量子与上海交通大学联合研究团队[35]提出了网格点匹配(Grid Point Matching,GPM)和原子特征匹配(Feature Atom Matching,FAM)算法模型,以便可以通过CIM求解并证实,CIM的求解速度比经典计算机快1000 倍,显著提升药物虚拟筛选效率和准确率。