量子科技中心_量科网

估计调度和负载均衡系统中的延迟尾概率是一项关键但计算量巨大的任务，因为违规事件极为罕见。量子振幅估计（QAE）提供了样本复杂度的通用二次方降低（1/√p对比1/p），但将其应用于稳态排队网络具有挑战性：经典模拟涉及无界状态空间和随机再生周期，而量子电路具有固定深度和有限寄存器。本文开发了一种基于截断再生模拟的延迟尾概率量子模拟框架。研究表明，通过截断再生周期，可将再生罕见事件估计量重新表述为有限随机种子的确定性可逆函数。为控制由此产生的偏差，该团队利用Lyapunov漂移和集中性论证推导出再生时间的指数尾界。这使得截断范围（进而量子电路深度）的选择可确保偏差在统计误差面前可证明可忽略。所提出的框架支持在具有可数无限状态空间的模型中进行量子估计，避免了确定直接有限范围模拟所需充分混合时间的难题。研究团队针对GI-GI-1队列、MaxWeight调度下的无线网络以及采用最短队列优先（JSQ）路由的多服务器系统，给出了量子比特和电路复杂度的边界。