能源联盟形成的近似优化中量子规模优势实证
量子物理
2025-10-17 v2
摘要
能源社区的形成是推动去中心化可持续能源管理的关键。 在此背景下，联盟结构生成 (Coalition Structure Generation, CSG) 成为一个有前景的框架。 CSG 的复杂度随代理人数量迅速增长，使得即使在中等规模时经典求解器也难以实用。这表明 CSG 是一个理想的基准，用于评估量子算法与经典算法之间的差异。 面对实现精确优化计算量优势的持续挑战，我们转向对比量子求解器与经典求解器在近似优化中的表现。 近似优化在需要实时优化的工业场景中尤为关键，在此情境下，快速获得高质量解往往比稍慢但精确求解更为重要。 我们发现，量子退火 (Quantum Annealing, QA) 在 D-Wave 上的解质量可与我们最佳的经典求解器相当，但具有更有利的运行时规模，这体现了优势。 当与诸如 Tabu search、模拟退火以及最先进的求解器 Gurobi 等求解器相比，DWave 在寻找包含 100 多名代理人的能源社区形成的近似解时展现出优势。 D-Wave 也超越了在 IBM 硬件上运行的 1 轮 QAOA。 我们的发现代表了对实用稠密模型（超出硬件本征拓扑）的量子近似优化最大规模基准测试，其中 D-Wave 显示出规模优势。
引用
@article{arxiv.2405.11917,
title = {Demonstrating Quantum Scaling Advantage in Approximate Optimization for Energy Coalition Formation with 100+ Agents},
author = {Naeimeh Mohseni and Thomas Morstyn and Corey O'Meara and David Bucher and Jonas Nüßlein and Giorgio Cortiana},
journal= {arXiv preprint arXiv:2405.11917},
year = {2025}
}