量子科技中心_量科网

证明组合优化问题的量子优势不能仅依靠孤立的算法结果，而需要通过端到端的案例研究，将问题建模、量子计算执行与经典优化修正整合到实际工作流中。本文提出一个用于图优化问题中混合量子-经典工作流实验的沙盒平台，旨在系统研究端到端优化流程。通过该平台，研究人员针对三个经典难解且可相互转化的图问题——最小顶点覆盖、最大独立集和最大团——将其转化为无约束问题，并利用IBM平台上的量子近似优化算法（QAOA）求解。该工作流融合了经典预处理（缩减问题规模）、量子优化（处理缩减后问题）和经典后处理（将量子输出映射为高质量可行解），从而避免在量子电路中直接编码约束条件。研究团队在合成图、基准测试实例和真实网络数据集上评估该方法，并在魁北克布罗蒙特PINQ2实验室的IBM Quantum System One量子系统上完成硬件实验（采用156量子比特的Heron r2处理器），处理顶点数达128的图结构，所涉量子电路包含最多128个量子比特及13,555个双量子比特门。实验结果表明：这种沙盒式端到端研究能有效揭示瓶颈问题，阐明经典-量子计算负载划分机制，并为领域专家和实践者提供解读量子优化输出、评估组合优化中量子实用性的路线图，从而推动实现量子优势的进程。