面基于量子门的计算求解二次无约束二进制优化问题的亚指数级加速
量子物理
2025-10-20 v1
摘要
最近的量子启发方法基于模拟退火（Simulated Annealing, SA）算法在求解组合优化问题方面显示出巨大的潜力。然而，Grover 算法在基于量子门的计算中仅提供二次级加速，这在大规模问题规模下仍显得不实用。本文提出一种混合方法，将 SA 与 Grover 算法集成，以实现亚指数级加速，从而提高其工业应用价值。在酶发酵过程中，温度、搅拌、等待时间、pH 值、色氨酸、米粉等变量通过 625 个二进制参数进行编码，定义了可能的酶配方空间。旨在找到一种最大化活性成分的二进制配置，形式化为一个由历史实验和 AI 技术生成的 625 位 QUBO。最小化 QUBO 成本对应于最大化活性成分。本案例研究表明，我们的混合方法通过基于量子门的计算实现了亚指数级加速。
引用
@article{arxiv.2510.15334,
title = {Achieving Sub-Exponential Speedup in Gate-Based Quantum Computing for Quadratic Unconstrained Binary Optimization},
author = {Tseng Ying-Wei and Kao Yu-Ting and Chang Yeong-Jar and Ou Chia-Ho and Chang Wen-Chih},
journal= {arXiv preprint arXiv:2510.15334},
year = {2025}
}