2023年5月，北京玻色量子科技有限公司（以下簡稱“玻色量子”）聯合移動云在我國知名科技期刊平臺《中國科學：物理學 力學 天文學》英文版上發表了以“Optical experimental solution for the multiway number partitioning problem and its application to computing power scheduling”（光學實驗求解多路數字劃分問題的光學實驗解及其在算力調度中的應用）為題的學術論文。

中國移動云能力中心高級技術研究員聞經緯，玻色量子創始人&CEO文凱博士，中國移動云能力中心首席科學家錢嶺為論文的通訊作者。這是玻色量子和移動云在共同打造“恒山光量子算力平臺”過程中的首個重要研究成果，也是量子計算在云計算領域實用化的重要起點。

以下為本篇論文的主要內容：

量子計算是一種新興的技術，有望實現計算能力的指數級增長。通過量子計算的能力，人們可以快速優化人員和設備的調度流程，得出最優解以最大限度的提高效率，并降低通信網絡、物流運輸、供應鏈管理和醫療保健等復雜場景中的成本。例如，量子計算可能提升云計算中的算力調度的速度，這需要在巨量的解空間中搜索出最佳配置，從而高效的將云計算資源分配給各種計算任務請求，提高整體的計算效率。

圖像渲染的算力調度任務就是云計算中的一個實際場景。一般來說該任務場景如下：客戶端提交一個具有特定的渲染需求，而云計算服務提供商必須找到調度計算資源的最佳方案，即在滿足約束的同時，用盡可能少的服務器數量完成渲染。通常做法是首先假設使用某幾個服務器，然后應用各種啟發式算法來確定在這個方案下的運行狀態（完成時間、負載平衡等），并比較在不同方案下的整體滿意度來確定哪個才是最佳方案。隨著數據量和服務器數量的增加，在大規模的動態云渲染中無法有效地獲得最優的任務/服務器調度方案，這將導致服務器和渲染任務之間的不匹配，常常會發生冗余渲染，造成計算資源浪費并大大降低渲染效率。

云渲染算力調度過程示意圖

玻色量子科研團隊聯合移動云高級研究員們將上述應用場景用數學建模為一個典型的NP-complete問題：“廣義的多路數字劃分問題”的一般形式，再轉化為QUBO（二次無約束二值優化）問題，并映射為在“天工量子大腦”內部量子系統的哈密頓量，通過“天工量子大腦”上可控的量子相變獲得最優解。聯合團隊還提出了兩種量子算法，從不同的優化角度將廣義的多路數字劃分問題轉化成QUBO問題，還利用玻色量子自研100量子比特“天工量子大腦”相干光量子計算機進行實驗求解。

實驗演示求解max-cut最優解的圖表和結果

實驗中采用不同規模問題的量子（CIM）和經典（SA和tabu）算法調度方案對比。

基于量子（CIM）和兩種經典算法（a，b）的量子算法的運行時間（以毫秒為單位），以及求解大規模問題(c)的時間節省率R（sa/tabu，cim）

實驗結果表明，與經典模擬退火（SA）和禁忌搜索算法（TABU）相比，使用100量子比特“天工量子大腦”求解的計算方案可以實現顯著的量子加速，平均節省去了96.7%和98.5%的求解時間，同時還可以達到極高的精度。隨著問題規模的增加，“天工量子大腦”的求解時間也能保持相對穩定，這在大規模問題求解上具有強大優勢。值得注意的是，廣義的多路數字劃分是一個基本的NP-complete問題，而許多其他類型的問題也可以在數學上規約為這一問題，因此，玻色量子與移動云的這項研究成果大大拓展了“天工量子大腦”的實際應用場景。

未來，玻色量子將持續專注于更大規模的可擴展、可編程的光量子計算平臺研發和實用化應用落地，與移動云攜手聯合打造“恒山光量子算力平臺”，共同探索量子計算在更多行業的實際應用。

玻色量子還將啟動“燎原計劃”開發者平臺，并持續對外開放“天工量子大腦”的真機測試，熱忱歡迎更多不同領域的研究伙伴前來了解相干量子計算的原理和能力，在此基礎上展開共同研發，用量子計算去解決更多真實場景中的問題，讓量子計算的超強算力能真正服務于各行各業，滿足未來時代對于計算的需求。

關于SCPMA

《中國科學: 物理學 力學 天文學》(中文版)和SCIENCE CHINA Physics, Mechanics & Astronomy (SCPMA, 英文版)是中國科學院主管、中國科學院和國家自然科學基金委員會共同主辦的綜合性學術刊物, 均為月刊。英文版SCPMA被SCI、EI、ADS等數據庫收錄, 2020年影響因子為5.203, Q1區, 中國科學院文獻情報中心期刊分區表物理大類1區Top期刊。中文版被ESCI、Scopus、《中文核心期刊要目總覽》《中國科學引文數據庫》等收錄, 以出版熱點專題和專輯為主。中英文為兩本完全獨立的刊物。

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：