通过模拟分岔实现社区检测

社区检测，也称为图划分，是已知的NP难组合优化问题，具有复杂网络理论、交通和智能电网等多种应用领域。随着顶点数和子群数的增加，问题的解的空间呈指数增长，这使得高效算法至关重要。近年来，量子计算已成为解决NP难问题的有前景的方法。本研究探讨了使用量子启发式算法——模拟分岔（Simulated Bifurcation, SB）进行社区检测。采用模块度作为目标函数和评估解的度量标准。将社区检测问题形式化为二次无约束二进制优化（Quadratic Unconstrained Binary Optimization, QUBO）问题，从而实现与SB算法的无缝集成。实验结果表明，SB在Zachary的Karate Club和IEEE 33-bus系统等基准网络中有效识别了社区结构。令人惊讶的是，SB获得的最高模块度与福富士公司的数字Annealer的性能相当，同时优于两种量子机器（D-Wave和IBM）的结果。这些发现凸显了模拟分岔作为解决社区检测问题的强大工具的潜力。