2020年12月,美国航空公司的机组调度系统出现故障,使得某个航班的飞行员没有另一名飞行员作为替补,在此情况下不得不取消航班。而这一变化的影响将扩散波及多达 15,000 个航线。最终将导致在圣诞假期间,数千个航班计划被迫中断。尽管后来航空公司设法解决了故障,并为航班配齐了人员。但这一事件表明现阶段人类的大量社会工作安排已经非常依赖计算机系统。
所有大型航空公司都使用复杂的调度优化算法来为飞机分配机组人员。虽然美国航空公司的这次事件不是由某种算法的错误直接造成,但最终还是导致了严重的结果。这种错误可能会使航空公司在排除故障时,数十万人滞留于机场陷入困境,从而给旅客方、机场方和航空公司方都带来严重不便。
目前阶段,经典计算机凭借着摩尔定律以及相关算法的优势,部分解决了许多复杂的优化问题,包括运输、物流和调度方面的问题。仅举几个例子:每年运送货物的50,000艘货船、生产250,000亿度的电力、每年传输超过4753EB(1 EB=1024 PB=1048576 TB)的互联网流量,都以复杂算法进行优化安排,如果没有这些算法,全球大部分地区的经济建设就会瘫痪。但由于时间紧迫,计算资源有限,企业经常使用近似的非最优解决方案。更重要的是,我们用于解决大部分优化问题的方法还有很大的改进空间。
鉴于大家都意识到优化的重要性,经典电子计算机处理器性能也较为稳定,研究人员已开始探索专为优化问题设计的量子计算设备,试图显著提高我们解决复杂问题的能力。
一种很有前景的方法是开发专用于优化的光量子计算设备。2011年,由Yoshihisa Yamamoto教授领导的斯坦福大学的一个小组发起了这项研究,笔者也是其中一员。经过多年的努力,人们越来越有信心,这种叫做相干伊辛机(Coherent Ising Machine, CIM)的量子计算设备可以帮助各行各业解决一些最复杂的优化问题。参与CIM研究的机构也越来越多,除了由Yamamoto教授领导的NTT Research PHI Lab 以外,还有斯坦福大学、加州理工学院 (CalTech)、哈佛大学、麻省理工学院 (MIT)、康奈尔大学、圣母大学、斯威本科技大学、东京工业大学、密歇根大学和东京大学等,美国宇航局(NASA)的艾姆斯研究中心和私人量子计算软件公司 1QBit 也与 PHI 实验室签订了联合研究协议。
什么是复杂优化问题?
旅行商问题(TSP):包含大量地点,例如在多个地点之间寻找最短路线的问题变得越来越困难,将它们建模为伊辛优化问题可能有助于我们更快地解决它们。
回想一下经典的旅行商问题(TSP),这一问题说的是推销