量子科技中心_量科网

量子优化在近期设备上的实际应用受到量子比特数量有限和硬件噪声的制约，这限制了量子优化算法在组合问题上的可扩展性。大型量子电路的模拟同样困难，并受限于内存需求。哈密顿量自动分解优化框架（HADOF）通过将大型QUBO问题分解为可在量子或经典后端上迭代求解的较小子问题，解决了这一难题。这使得量子QUBO算法能够突破设备限制实现可扩展性，并能在经典设备上进行模拟。在该项研究中，研究人员通过在真实IBM量子处理单元（QPU）上，对串行、单QPU并行和多QPU并行三种执行模式进行基准测试，进一步扩展了对HADOF的评估，从而推动面向组合优化问题的高性能量子（HPQ）计算发展。在IBM量子硬件上的实验结果表明，与串行执行基线相比，使用四个QPU时，墙钟时间最多可减少3至4倍，同时保持相当的求解质量。值得注意的是，即使单QPU执行也能从并行化任务编排与执行中获益，实现高达3倍的加速。模拟结果预测，在并行执行模式下加速比可超过5倍。该工作进一步在实际基因组组装实例上验证了该方法的实用性，表明串行与并行HADOF变体均能达到有竞争力的精度，同时显著缩短求解时间。这些结果凸显了算法层面与系统层面并行化的重要性，将HADOF定位为实现可扩展量子优化的可行路径。