量子科技中心_量科网

该研究团队评估了量子退火技术（QA）在现实世界组合优化问题中的应用——以澳大利亚体育学院运动夏令营的教室调度为例，采用经典与量子相结合的方法。由于当前硬件限制，完整问题无法在现有QA平台上实现映射，从而催生了一种融合经典启发式算法与量子子程序的新型混合方法。研究人员开发了改进的数学表述形式和创新的问题感知校准方案，通过利用多量子位统计数据来提升退火性能。结果显示，最佳退火时间与D-Wave Advantage 2原型机的相干时间（约100纳秒）吻合，更长退火时间反而会导致性能下降直至缓慢热恢复。尽管校准和公式优化取得进展，但随着连接复杂度和问题规模的增加，QA性能仍会下降，这凸显了提升量子比特质量与参数精度的必要性。这些发现明确了当前QA硬件的优势与局限，并为通过混合方法和智能校准拓展其实用价值提供了策略指导。