D-Wave 混合组合优化中量子之所在

我们审计了 D-Wave 混合量子-经典组合优化服务中实际有多少部分是量子的。在 N 从 10 到 640 的基数受限均值-方差-换手率实例上，以 Gurobi MIQP 最优性锚点为基准，constraint-native LeapHybridCQM 服务在 Gurobi 证明最优的所有 54 个实例上都匹配 Gurobi 的最优解，但 QPU 访问时间仅为 5 秒 wall-clock 预算的 0.034 秒，约占运行时间的 0.7%。其余约 99% 为服务的经典分解、子问题组装和可行性感知重新组装，因此，该问题类别下报告的 D-Wave 混合获胜实际上是一个 constraint-native 的经典管道，仅有少量 QPU 贡献，而非量子抽样获胜。两种结构性结果加强了此项审计。首先，基数惩罚贡献一个稠密的 rank-one 项，使惩罚编码的逻辑图在原始协方差稀疏性无论如何都变得完全稠密，同时保留 constraint-native 稀疏性。其次，constraint-native 服务在 5 到 300 秒的 wall-clock 预算和 10 次重复调用中返回相同的解决方案，这一服务在该问题类别下的确定性属性。结合两种经典基线——Gurobi MIQP 和模拟退火——以及对惩罚编码混合接口的比较，这些结果将 Sakuler 等人的 prior constraint-native 与 penalty-encoded 观察从“constraint-native 接口原生处理约束”扩展到获胜实际来源的 operational decomposition，这一发现重新框架了如何在量子-金融基准中报告 D-Wave 混合性能。