Q-DASC：局部模型误设定下 HVAC 的最先进安全量子控制

变分量子强化学习为建筑能耗控制提供了一种紧凑的策略类，但它继承了学习型控制器共有的部署弱点：当热模型局部出错时，在模型上看似安全的策略可能会在实际建筑中违反居住者舒适度。依赖含噪量子读出的保证对于安全关键控制也是不够的。我们用 Q-DASC（差异归因安全量子控制，Discrepancy-Attributed Safe Quantum Control）来填补这一空白。Q-DASC 用经过认证的经典安全层封装变分量子电路（VQC）策略，该层通过错误发现率控制发现误设定的运行区间，通过收缩修复其局部热增益，将提议的量子调度投影到修复后的舒适可行集上，并将残余违规归因于策略误差、模型误差或物理限制。由于最终证书由经典投影产生，舒适可行性对有限采样和去极化读出噪声保持不变。在真实的 BOPTEST 建筑仿真器上，跨越三个建筑、两个局部误设定和三个随机种子，Q-DASC 将原始 VQC 控制器 26.0% 和信任模型调度器 55.3% 的平均舒适违规降低至 0.02%，与全知预言机相当，并在 NISQ 读出噪声下保持在 0.24%。修复感知的 VQC 变体达到 0.00% 违规并减少了投影干预，而默认的 Q-DASC 保持更低的能耗和更强的观测数据行为。同一封装可迁移至 EnergyPlus 供热与制冷基准以及真实医院空气处理单元数据。这些结果为在物理约束控制中部署量子策略确立了安全-效率前沿。