一种降低大学校园内COVID-19传播的量子退火方法
计算机与社会
2021-12-03 v1 量子物理
摘要
由COVID-19引起的大学校园中断促使人们制定在维持一定程度面授学习的同时防止传染病传播的策略。为此，所提方法递归地在D-Wave Systems上应用量子退火算法进行Max-Cut优化，将学生分组为若干群组，从而使通过共享教室的可能感染事件数最小化。为测试该方法，利用可用的课程数据生成高度聚类的课程注册网络，表示学生及其共享班级。随后在这些网络上递归调用算法对学生分组，并应用疾病模型预测疾病传播。仿真结果表明，在对疾病统计与传播方式的某些假设下，与学生的随机分组相比，该量子分组方法降低了感染学生的总比例与峰值比例。扩展到更大网络时，这种量子退火辅助分组方法可能提供优于经典方法的实用优势。然而，本文严格而言是该方法的的概念验证演示，并非意在主张量子加速。
引用
@article{arxiv.2112.01220,
title = {A Quantum Annealing Approach to Reduce Covid-19 Spread on College Campuses},
author = {James Sud and Victor Li},
journal= {arXiv preprint arXiv:2112.01220},
year = {2021}
}
备注
6 pages, 4 figures, 2 tables, 1 algorithm