用于QAOA的基于物理的灌溉调度QUBO编码

中亚缺水地区的轮灌调度是一个高度耦合的组合问题：土壤水分记忆将每个灌溉决策与区域内所有后续日子联系起来，田间相邻性在重叠窗口日耦合不同区域，而严格的渠道轮灌在时间上量化了水的输送。我们通过线性化根区水平衡，将其表述为二次无约束二元优化（QUBO）问题，使得二次作物胁迫目标函数将物理耦合生成为 2-局域 Ising 相互作用，没有高阶项；只有水预算约束需要人为的全连接惩罚项，我们通过一个实例自适应的权重界限对其进行了验证，该界限比通用处方紧一个数量级。每个实例都基于乌兹别克斯坦花拉子模棉花区的观测数据构建：NASA POWER 气象数据、FAO-56 Penman-Monteith 蒸散量、SoilGrids 2.0 水文数据、实测毛管通量以及作为量子比特数减少的文档化渠道轮灌窗口。我们基准测试了四个层级——精确求解器、匹配预算启发式、理想态矢量量子近似优化算法（QAOA）以及噪声模型加 IBM Heron 执行——并添加了多达 584 个变量的土壤实例的扩展性研究。精确分支定界法在 150 个变量内几秒钟内证明了最优性，而固定评估预算下的启发式退化通过扩展预算得到修复，因此在部署相关规模上没有出现经典可扩展性障碍，我们也不声称存在。在硬件上，信息性信号是相对于均匀采样的最优采样富集。我们不声称量子优势；我们为量子效用时代提供了一个基于物理、数据完整、可复现的社会关键调度问题的编码。