Skip to content
K
KGAIT Solutions
返回项目列表
量子计算Research

QOPT-AKANE — 量子启发组合优化

QOPT-AKANE — Quantum-Inspired Combinatorial Optimization

在统一接口下比较 QAOA、模拟退火与数字退火机的组合优化研发,所有实验均为古典仿真。

2026 长期研发 2026-05
#quantum#optimization#qaoa#qubo#sbm#research

在线演示

实际应用界面预览

DEMO
app.qopt.jp/dashboard

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

最適性ギャップ
0.9%

vs CPLEX 最適解

実行時間
104 s

CPLEXの1/31

総走行距離
1,847 km

10車両 · 120拠点

コスト削減
-12.4%

対従来Tabu単体

120拠点 VRP 解

10 車両 · デポ (★)
★
現在のイテレーション
iter 3,120 / 4,000

Pareto: 時間 vs 品質

横軸 時間(s) · 縦軸 解品質(%)

808590951000100200300400GreedySA shortSATabuQAOA+TabuQAOA pureCPLEX
QAOA+Tabu が Pareto 前線に到達

アルゴリズム比較

アルゴリズム時間品質備考
Pure CPLEX (exact)3240 s100.0%ベースライン · 最適解
Pure Tabu Search89 s97.8%古典メタヒューリスティック
Simulated Annealing72 s96.4%古典 · QUBO 整形
QAOA + Tabu (hybrid)104 s99.1%提案手法 · p=3 層
QAOA pure (p=5)298 s92.3%参考 · 実機ノイズあり想定

挑战

在物流与排程问题上尝试量子启发算法时,基线对比缺乏一致性。

解决方案

构建 QUBO 表述至求解器抽象层,以相同输入并行运行 SA、QAOA(仿真)与 MIP,绘制时间/质量前沿。

成果

  • 在公司内部路由问题上明确 SA 在等时预算下占优的领域
  • QAOA(仿真)参数热启动使收敛速度提升 18%
  • 自动生成求解器对比报告
  • 在不主张量子优越性的前提下整理适用领域指南
Key Metrics

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

Features

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。

Architecture

System Layers

Layered architecture showing components, responsibilities, and data flow.

L1

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。

PyQUBOdimod制約ペナルティビルダ
L2

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。

QAOA (Qiskit / Pennylane)Simulated BifurcationTabu Search
L3

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。

G-set ローダMLflow可視化ダッシュボード
Development Process

How we built it

Step 1

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
Step 2

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
Step 3

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
Step 4

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
Roadmap

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。

Team

Who built it

2engineers

Roles

  • 最適化研究
  • HPC / GPU エンジニア (兼任)
技术栈

Tools & Platforms

Backend

Python 3.12

Infrastructure

Docker

Other

Qiskit 2.xPennylaneNumPySciPyJAXdimod / PyQUBOSimulated Bifurcation (OSS 実装)Tabu Search (OR-Tools 併用)CUDA 12MLflow
上一个项目下一个项目
Build with KGA

正在考虑类似的项目？

我们将为您的业务需求提供最优解决方案。

咨询您的项目