2026年3月19日——旅行商问题可能是最著名的优化问题。该问题要求数学家计算假设销售人员的最佳路线。销售人员为了销售商品而停留的站点越多，计算覆盖所有站点并返回起点的最高效路线就越困难。但这类优化问题不仅与计算销售人员的最有效路线有关，还存在于各种日常情况中。例如，在生产复杂产品或计算产品价格时就会出现优化问题。

幸运的是，如今计算机可以迅速解决这些问题。对吗？并非总是如此。即使在今天，经典计算机也只能近似解决某些复杂问题——而且往往需要很长的计算时间。经典计算中使用的算法针对现实问题，利用这些问题的结构开发启发式方法以提高计算效率。“效果出奇地好。理论上较慢的算法在实践中往往实际上更快，”萨尔兰大学理论物理学教授Peter P. Orth解释道，他特别专注于量子信息系统。尽管这些算法可能很好，但它们通常只是特定情况下能找到的最佳解决方案。但Peter P. Orth及其同事Markus Bläser教授（专注于计算复杂性和算法）与行业合作伙伴英飞凌、宝马以及量子计算机初创公司planqc希望找到更好的方法。

他们的新研究项目“QIAPO——NISQ和部分容错量子计算机上的量子信息近似优化”采用了一种新方法。以汽车或计算机芯片的生产和分销中可能出现的极其复杂的物流挑战为例，问题首先由一种特殊类型的计算机——中性原子量子计算机——简化，该计算机由位于加兴的planqc制造。量子计算机将问题缩小到足够小，使得算法特别适合现实问题的常规计算机能够更好地处理它。在某些情况下，量子计算机的性能远超常规计算机。量子计算机使用的计算单元——量子比特的状态可以是0和1的叠加态，而常规计算机使用只能处于0或1状态的比特。因此，量子计算机非常适合解决或简化那些会使经典计算机不堪重负的复杂数学问题。

一旦量子计算机简化了复杂问题，科学家们就可以使用经典计算机并应用那些在解决实际问题中已被证明成功且高效的多种算法。通过这些算法，曾经极其庞大、现在被量子计算机简化的问题可以得到解决。然而，即使采用这种新方法，Peter P. Orth表示，工业企业日常面临的挑战仍无法完美解决——因此项目名为“近似优化”。研究人员旨在结合量子计算机和经典算法，找到比当前可能的解决方案更好的方案。以下是一个使用虚构数值的可能改进示例：如果目前一个问题只能以80%的准确率解决，结合量子计算和经典计算的方法可能以85%或95%的准确率高效解决该问题。“量子计算机可以弥合差距，让我们提高准确率并实现量子优势，”Peter P. Orth解释道。

“QIAPO项目不仅展示了量子计算机的发展程度，”planqc算法负责人Martin Kiffner博士说，“我们还展示了如何将高度复杂、与行业相关的挑战转化为量子算法，最终在量子计算机上进行测试。”

物理学家Peter P. Orth明确了项目目标：“我们无法在未来三年内立即解决所有重大问题。我们可能能够确定的是，是否可以通过我们的方法解决这类问题。如果可以，我们将继续研究。”即使这种方法只能使工业生产和分销流程略微高效，微小的改进也将产生重大影响。正如项目描述中所说：“当产量很高时，即使资源的少量节省也能产生显著的效率提升和成本效应。”