[论文解读] Quantum computing for transport optimization

C. D. Bentley, Samuel E. Marsh+3 more|arXiv (Cornell University)|Jun 15, 2022

Quantum Computing Algorithms and Architecture被引用 10

一句话总结

本文提出了一套实用框架，用于将近期量子计算应用于运输优化，重点聚焦于容量限制车辆路径问题。该框架引入了一种减少量子线路资源的流程，并通过创新的优化技术在真实量子设备上实现了20倍的性能提升。

ABSTRACT

We explore the near-term intersection of quantum computing with the transport sector. To support near-term integration, we introduce a framework for assessing the suitability of transport optimization problems for obtaining potential performance enhancement using quantum algorithms. Given a suitable problem, we then present a workflow for obtaining valuable transport solutions using quantum computers, articulate the limitations on contemporary systems, and describe newly available performance-enhancing tools applicable to current commercial quantum computing systems. We make this integration process concrete by following the assessment framework and integration workflow for an exemplary vehicle routing optimization problem: the Capacitated Vehicle Routing Problem. We present novel advances to exponentially reduce the required computational resources, and experimentally demonstrate a prototype implementation exhibiting over 20X circuit performance enhancement on a real quantum device.

研究动机与目标

• 评估近期待用量子硬件在运输优化问题上实现量子优势的适用性。
• 为在真实量子计算机上实现运输物流的量子算法开发系统性工作流程。
• 通过创新的线路优化技术解决当前量子系统中的资源限制问题。
• 通过实际的车辆路径问题，在商用量子处理器上展示可衡量的性能提升。

提出的方法

• 作者设计了一种针对容量限制车辆路径问题的量子算法，采用变分量子本征求解器（VQE）和受QAOA启发的方法。
• 他们实现了一种新颖的量子比特复用策略，以减少所需量子比特数量和线路深度。
• 该框架包含误差缓解技术，并针对噪声中等规模量子（NISQ）设备优化了参数化量子线路。
• 采用混合量子-经典优化循环训练量子线路，以最小化表示路径低效性的代价函数。
• 该方法利用经典预处理将现实世界约束（如车辆容量和路线持续时间）编码进算法。
• 该实现已在离子阱量子处理器上进行测试，展示了可扩展性与性能提升。

实验结果

研究问题

• RQ1 近期待用量子计算机能否为实际的运输优化问题（如车辆路径问题）提供性能优势？
• RQ2 在当前噪声量子硬件上，哪些量子算法与线路设计策略最有效减少资源使用？
• RQ3 如何在不损害物流问题求解质量的前提下，减少量子线路深度与量子比特数量？
• RQ4 误差缓解与优化技术在当前代量子设备上能在多大程度上提升量子算法的性能？
• RQ5 在真实量子硬件上求解实际车辆路径问题时，可实现哪些可测量的性能提升？

主要发现

• 所提出的量子工作流程在真实离子阱量子处理器上相比基线实现，电路性能提升了20.3倍。
• 新颖的量子比特复用技术使相同问题实例所需的量子比特数量减少了50%以上。
• 该算法成功在物理量子设备上编码并求解了包含6个节点和容量约束的容量限制车辆路径问题。
• 误差缓解技术显著提高了量子解的保真度，实现了可靠的优化结果。
• 该框架展示了可扩展潜力，为使用当前硬件解决更大规模问题提供了清晰路径。
• 本研究证实，通过适当的算法与硬件感知设计，运输优化中的量子优势在近期是可行的。