2026年3月19日——如何通过经典计算与量子计算的协同作用应对复杂工业挑战？萨尔兰大学研究人员与量子计算初创企业planqc以及行业合作伙伴宝马、英飞凌正将两者结合起来。该团队共同目标是开发复杂优化问题的新解法，以提升工业流程效率。该项目获得德国联邦教研部（BMFTR）230万欧元资助。

在汽车或半导体芯片生产分销等工业领域，会产生当今经典计算机仍只能近似求解的高度复杂数学问题，通常需要长时运算和大量计算资源。所用算法多受现实问题启发，并启发式地利用其结构。“现有方法表现优异——理论上较慢的算法实践反而更快”，萨尔兰大学量子信息理论物理学教授彼得·P·奥尔特解释道。但这些方案往往只是当前条件下的最优解，对此奥尔特、其同事计算机科学教授兼复杂性理论与算法专家马库斯·布莱泽、合作企业英飞凌/宝马以及planqc团队并不满足。

该研究团队因此在“QIAPO——NISQ及部分容错量子计算机的量子启发近似优化”项目中探索新路径。将利用planqc在加兴建造的中性原子量子计算机，把复杂工业问题“压缩”至经典计算机及其成熟算法可高效处理的程度。量子计算机在特定场景优于传统计算机，因其基本单元量子比特可处于0和1的叠加态，而经典比特只能非此即彼。这使量子计算机特别适合解决或简化经典系统难以应对的高度复杂数学问题。

“QIAPO不仅展现量子计算的进展，更首次演示如何将工业问题转化为量子算法——最终在量子计算机上验证”，planqc算法负责人马丁·基夫纳博士表示。

通过量子计算简化数学问题后，研究人员可继续运用成熟的经典算法完成计算。即便采用这种混合方法，完全精确解仍常不可得，故项目明确聚焦近似优化，旨在通过量子-经典算法组合将现有问题求解精度略超当前水平。

用简化示例说明：若某问题当前求解精度约80%，量子-经典混合方法可高效提升至85%甚至95%。“这正是量子计算机的用武之地——提升精度并可能实现量子优势”，奥尔特解释道。

项目设定现实目标：“未来三年我们不会一夜解决最大难题”，奥尔特坦言，“但结项时我们将明确该方法是否具备解决此类问题的潜力，进而延续该研究方向”。工业生产与物流中即便微小效率提升也可能产生重大影响——如项目所述：“在高产量场景下，轻微资源节约即可带来可观财务效益”。