基于ILP的量子退火资源优化在光广域通信网络中的应用——通过量子退火解决实际应用组合问题的框架

广域互联网的资源分配本质上是一个组合优化问题，如果能够快速求解，就可以实现对互联网协议流量的近实时自适应控制，从而提高网络效率和鲁棒性，同时最小化来自高功耗收发器的能量需求。在最近的工作中，我们展示了如何将这样的问题转化为二次无约束二元优化（QUBO）问题，该问题可以嵌入到D-Wave AdvantageTM量子退火系统中，证明了原理可行性。我们的初步研究留下了通过明智选择系统运行参数来改进D-Wave解决方案的可能性。本文报告了我们对优化这些系统参数的调查，以及如何结合机器学习（ML）技术进一步提高解决方案的质量。特别是，我们使用汉明距离来研究各种系统运行参数与解向量之间的相关性。然后，我们应用决策树神经网络（NN）来学习这些相关性，目的是使用神经网络提供对解向量的进一步猜测。我们在一个简单的整数线性规划（ILP）示例中成功实现了这个NN，展示了NN如何完全映射出D-Wave未捕获的解空间。然而，我们发现对于3节点网络问题，NN无法提高解空间的质量。