量子科技中心_量科网

二次无约束二进制优化（QUBO）是解决组合优化问题的通用框架。本研究在随机生成的1000×1000至45000×45000规模QUBO矩阵上，针对10^-1到10^-6六种收敛阈值，对比了五种基于软件的求解器性能：Neal、PyTorch（CPU版）、PyTorch（GPU版）、JAX和SciPy。该团队从解的质量（能量值）和计算时间两个维度进行评估。测试结果显示，Neal求解器能获得最低能量值，但因内存消耗过高，仅能处理6000变量以内的问题；PyTorch所得能量值略高于Neal，但展现出卓越的可扩展性，能解决高达45000变量的问题，其支持的GPU加速和CPU多线程技术还大幅缩短了运行时间。JAX的能量值略逊于PyTorch，且最多只能处理25000变量，其GPU版本的运行时间与PyTorch相当。SciPy表现最为受限，仅能处理6000变量以下问题，且始终产生最高能量值与最长计算时间。这些发现揭示了求解质量、可扩展性及运行效率之间的权衡关系，表明在计算资源允许的情况下，PyTorch是处理大规模QUBO问题的最均衡选择。