量子科技中心_量科网

组合优化被广泛视为近期量子处理器的主要应用方向，然而实际量子优势的明确证明仍难以实现。近期研究表明，基于门电路的量子电路和量子退火器在多目标优化（MO-MaxCut）问题上均能超越最先进的经典启发式算法。然而，这些研究未能充分考虑量子求解器固有的庞大预处理与后处理开销，导致量子与经典方法的比较不够完整。本研究采用基于GPU的量子退火启发算法（QAIAs）重新评估了相同的基准测试集——该算法与量子处理器类似，可生成概率性样本，因此成为强大的经典竞争者。结果表明，QAIAs的候选解采样速度比此前研究的量子处理器快约两个数量级。在端到端运行时间方面，QAIAs同样超越了行业领先的经典求解器，从而在目前针对MO-MaxCut实例评估的量子与经典求解器中确立了其最优性能地位。