量子科技中心_量科网

在这项工作中，该研究团队开发了新的脉冲设计和嵌入策略，以改进基于中性原子量子计算机（NAQC）的混合列生成（CG）算法的模拟量子子程序。这些策略旨在提高生成样本的质量和多样性。研究人员将其应用于物流领域的重要组合优化（CO）问题，即车队分配问题。 根据测试实例的不同，该量子协议在迭代次数和最终目标值方面的性能与最佳经典方法相比，要么相当，要么较差。该工作将这种次优解的原因归结为量子协议经常生成高质量但退化的样本。 为解决这一限制，研究人员引入了贪婪后处理技术Make_Diff，该技术对退化样本应用比特级修改，以返回非退化集合。通过这一改进，该量子协议变得与子问题的精确求解器具有竞争力，同时对状态制备和测量（SPAM）误差具有鲁棒性。 该研究团队还将他们的CG方案与Gurobi求解器进行了比较，发现在超过50%的合成实例上表现更好，尽管Gurobi具有更长的运行时间。这些改进和基准测试预示着在NISQ设备上部署混合CG方案解决工业相关CO问题的潜力。