Cambridge Quantum 演算法以更快的速度解決優化問題，勝於現有的量子方法

英國劍橋2021年7月22日 /美通社/ -- Cambridge Quantum (CQ) 的科學家使用近期量子電腦開發了一種新演算法，用於解決商業和行業中普遍存在的組合優化問題，例如在途銷售員、車輛路線或作業車間調度。

這種數學難題是大量現實世界優化挑戰的核心，例如設計製造流程、裝滿貨車或安排客機路線。隨著現代全球企業的自動化水平逐年提高，即使在最強大的經典電腦上運行優化演算法，也被迫以準確性換取速度。

在預印本儲存庫 arXiv 上發表的這篇論文中，CQ 科學家介紹了過濾變分量子特徵求解器 (F-VQE)，以提高組合優化的效率。使用霍尼韋爾系統模型 H1 量子電腦，新方法的性能優於現有的「黃金標準」演算法，例如量子近似優化演算法 (QAOA) 和原始 VQE，以 10 至 100 倍的速度達到良好的解決方案。

該篇論文由 CQ 的研究團隊撰寫，包括 Michael Lubasch 博士、David Amaro 博士、Carlo Modica 博士、Matthias Rosenkranz 博士和 Marcello Benedetti 博士。這些科學家是由 Mattia Fiorentini 博士領導的 CQ 機器學習和量子演算法團隊的成員 。

F-VQE 利用了 CQ 於 2020 年 9 月在這篇論文中發表的方法，該方法展示了如何將量子電路分解為更小的電路，以及使用更少的量子位運行，而不會失去量子優勢。因此，一個 23 量子位的問題透過一次最多使用 6 個硬件量子位得以解決。CQ 的科學家還證明，這種新方法非常適用於嘈雜的中尺度量子 (NISQ) 時代機器。這些進步增加了當今 NISQ 電腦可以解決的優化問題的規模。

Fiorentini：「我們的科學家正在為當今的量子電腦研究一系列可行的方法。我們希望企業和政府能夠更快實現通用任務的量子優勢，我們與大型行業合作夥伴合作的經驗有助深入了解當今從業者的需求。與以前的量子演算法相比，F-VQE 具有明顯的優勢：可以更快找到好的候選解決方案，並且可以更高效使用量子硬件。F-VQE 可能會產生變革性的影響，幫助解決以前難以解決的企業和行業問題。」

CQ 行政總裁 Ilyas Khan 表示：「我們的科學家團隊努力縮窄經典運算的現實極限與在 NISQ 時代可用的量子優勢之間的差距。他們正在建立量子運算的新標準，其研究將激發進一步的快速進步。」

Honeywell Quantum Solutions 總裁 Tony Uttley 表示：「該項目展示了量子運算領域令人興奮的進步。透過開發用更少的量子位做更多事情的演算法，並在盡可能最好的硬件上運行，我們在解決現實世界問題方面取得比預期更快的重大進展。」

關於 Cambridge Quantum 

CQ 成立於 2014 年，得到了一些世界領先的量子運算公司的支援，是量子軟件及量子演算法的全球領導者，可幫助客戶從最快速發展的量子運算硬件中取得最大收益。CQC 在歐洲、美國和日本均設有辦事處。2021 年 6 月 8 日，CQ 宣佈與 Honeywell Quantum Solutions 合併，預計將於 2021 年第三季度完成合併。如欲了解更多資訊，請瀏覽 CQ 網站 http://www.cambridgequantum.com 及 LinkedIn。存取 GitHub 上的 tket Python 模組。