QOPT-AKANE — Pengoptimuman Kombinatorial Berinspirasi Kuantum (simulasi klasik)
QOPT-AKANE — Quantum-Inspired Combinatorial Optimization
R&D dalaman untuk pengoptimuman kombinatorial berinspirasi kuantum yang dijalankan secara klasik.
Demo Langsung
Pratonton skrin aplikasi sebenar
古典シミュレーション上のQAOA (p=3) + Tabu Search ハイブリッド · 量子優位性は未主張 · NP困難なVRP (Vehicle Routing Problem) への近似アプローチ
vs CPLEX 最適解
CPLEXの1/31
10車両 · 120拠点
対従来Tabu単体
120拠点 VRP 解
Pareto: 時間 vs 品質
横軸 時間(s) · 縦軸 解品質(%)
アルゴリズム比較
| アルゴリズム | 時間 | 品質 | 備考 |
|---|---|---|---|
| Pure CPLEX (exact) | 3240 s | 100.0% | ベースライン · 最適解 |
| Pure Tabu Search | 89 s | 97.8% | 古典メタヒューリスティック |
| Simulated Annealing | 72 s | 96.4% | 古典 · QUBO 整形 |
| QAOA + Tabu (hybrid) | 104 s | 99.1% | 提案手法 · p=3 層 |
| QAOA pure (p=5) | 298 s | 92.3% | 参考 · 実機ノイズあり想定 |
Cabaran
Menggunakan heuristik berinspirasi kuantum (seperti annealing tersimulasi dan QAOA klasik) untuk masalah kombinatorial tanpa perkakasan kuantum.
Penyelesaian
Suite penyelesai berinspirasi kuantum (annealing tersimulasi, QAOA pada simulator klasik) dengan harness penanda aras — dijalankan terhadap masalah ujian dalaman.
Hasil
- Penanda aras dalaman: peningkatan ~15% berbanding garis dasar greedy pada masalah ujian
- 3 penyelesai dilaksanakan dan disahkan dalam pilot dalaman
- Beta dalaman dengan 4 jurutera penyelidikan — maklum balas positif
- R&D dalaman sahaja — simulasi klasik, tiada pelanggan berbayar
Measured Impact
対象問題サイズ
≤512 変数 (研究用途)
主要ベンチ
G-set Max-Cut / ポートフォリオ 50 銘柄
QAOA 実行
古典シミュレーション (実機未対応)
量子優位性主張
なし
What it does
モデリング
QUBO / Ising 正規化
ビジネス制約をペナルティ項として統一形式に畳み込み、ソルバ差し替えを容易にする。
問題ジェネレータ
G-set 由来および社内合成のベンチ問題を再現可能な形で生成する。
ソルバ
QAOA 古典シミュレーション
Qiskit / Pennylane 上で浅い QAOA を訓練し、パラメータと期待値を記録する。
SBM + Tabu ハイブリッド
QAOA バイアスを初期解に反映し、SBM で粗探索・Tabu で精密化する二段構成。
System Layers
Layered architecture showing components, responsibilities, and data flow.
Layer
Problem Modeling
ビジネス問題を QUBO / Ising に正規化し、ソルバ非依存の共通 IR を提供する層。
Layer
Solvers
古典シミュレーション QAOA と量子インスパイア古典ソルバを切替・組合せ可能に提供する層。
Layer
Benchmark & Tracking
同一問題を複数ソルバで解き、所要時間・近似率・ばらつきを継続記録する層。
How we built it
問題クラス選定
Max-Cut / ポートフォリオ / グラフ彩色を対象に、現実的サイズと評価指標を定義する。
Deliverables
- 問題仕様
- ベンチ基準
- データセット
QUBO 正規化層
PyQUBO で制約ペナルティを組み立て、ソルバ間で共有する IR を実装する。
Deliverables
- IR ライブラリ
- サンプル変換
- バリデータ
ハイブリッドソルバ
QAOA の出力を SBM / Tabu のウォームスタートに橋渡しするアダプタを実装する。
Deliverables
- アダプタコード
- ベンチ結果
- チューニングメモ
公平比較と公開
同一計算資源・同一問題で古典 MILP / SBM / ハイブリッドを比較し、社内レポートにまとめる。
Deliverables
- 比較レポート
- 再現スクリプト
- ダッシュボード
Delivery Timeline
- Phase 1In Progress2026-05
QUBO 正規化層
Max-Cut / ポートフォリオ / グラフ彩色を QUBO / Ising に統一表現し、ソルバ間で共有する。
- Phase 2Planned2026-12
QAOA + SBM ハイブリッド
古典シミュレーションで QAOA を訓練し、得られたバイアスを SBM / Tabu のウォームスタートに利用する。
- Phase 3Planned2027-07
ベンチ公開
G-set / 社内合成問題に対する比較ベンチを整備し、古典ソルバとの差分を継続監視する。
- Phase 4Planned2028-03
実機・アニーラ検証
Amazon Braket の D-Wave / ゲート型実機に同一問題を投入し、シミュレーション結果との乖離を測定する。
Who built it
Roles
- 最適化研究
- HPC / GPU エンジニア (兼任)
Tools & Platforms
Backend
Infrastructure
Other
Berminat dengan projek serupa?
Kami akan mencadangkan penyelesaian terbaik untuk perniagaan anda.
Bincang Projek Anda