CQ算法解决优化问题更快，远胜现有量子方法

（全球TMT2021年7月23日讯）在一项可能开创新的行业标准的开发中，剑桥量子 (CQ) 科学家们开发了一种新的算法，以解决企业和行业中普遍存在的如旅行销售员、车辆路径或作业车间调度等组合优化问题，使用了近期量子计算机。

像这样的数学难题处于现实世界中诸如设计制造流程、灌装运输卡车或规划喷气式客机航线等众多优化挑战的核心。随着现代全球企业的自动化水平逐年提高，即使在最强大的传统计算机上运行的优化算法也不得不以准确度换取速度。

在预印库arXiv上发表的这篇论文中，CQ的科学家们引入了滤波变分量子特征求解器 (F-VQE)，以使组合优化更有效。采用Honeywell System Model H1量子计算机的这种新方法，优于现有的“黄金标准”算法：如量子近似优化算法 (QAOQ) 和原来的变分量子特征求解器 (VQE)，使一个好的解决方案速度得到10至100倍的跨越。

这篇论文由CQ的研究团队撰写，其中包括Michael Lubasch博士、David Amaro博士、Carlo Modica博士、Matthias Rosenkranz博士和Marcello Benedetti博士。这些科学家是CQ机器学习和量子算法团队的成员，该团队由 Mattia Fiorentini博士领导。

F-VQE采用了CQ于2020年9月在本论文中发布的一种方法，该方法展示了如何将量子电路解构为较小的电路，并使用较少的量子位运行而不会失去量子优势。因此，通过每次仅使用最多6硬件量子位解决了23量子位问题。CQ的科学家们还展示了这种新方法非常适合用于嘈杂中型量子 (NISQ) 时代的机器。这些进步扩大了当今NISQ计算机所能触及的优化问题的规模。