2023年5月，北京玻色量子科技有限公司（以下简称“玻色量子”）联合移动云在我国知名科技期刊平台《中国科学：物理学 力学 天文学》英文版上发表了以“Optical experimental solution for the multiway number partitioning problem and its application to computing power scheduling”（光学实验求解多路数字划分问题的光学实验解及其在算力调度中的应用）为题的学术论文。
中国移动云能力中心高级技术研究员闻经纬，玻色量子创始人&CEO文凯博士，中国移动云能力中心首席科学家钱岭为论文的通讯作者。这是玻色量子和移动云在共同打造“恒山光量子算力平台”过程中的首个重要研究成果，也是量子计算在云计算领域实用化的重要起点。
以下为本篇论文的主要内容：
量子计算是一种新兴的技术，有望实现计算能力的指数级增长。通过量子计算的能力，人们可以快速优化人员和设备的调度流程，得出最优解以最大限度的提高效率，并降低通信网络、物流运输、供应链管理和医疗保健等复杂场景中的成本。例如，量子计算可能提升云计算中的算力调度的速度，这需要在巨量的解空间中搜索出最佳配置，从而高效的将云计算资源分配给各种计算任务请求，提高整体的计算效率。
图像渲染的算力调度任务就是云计算中的一个实际场景。一般来说该任务场景如下：客户端提交一个具有特定的渲染需求，而云计算服务提供商必须找到调度计算资源的最佳方案，即在满足约束的同时，用尽可能少的服务器数量完成渲染。通常做法是首先假设使用某几个服务器，然后应用各种启发式算法来确定在这个方案下的运行状态（完成时间、负载平衡等），并比较在不同方案下的整体满意度来确定哪个才是最佳方案。随着数据量和服务器数量的增加，在大规模的动态云渲染中无法有效地获得最优的任务/服务器调度方案，这将导致服务器和渲染任务之间的不匹配，常常会发生冗余渲染，造成计算资源浪费并大大降低渲染效率。
云渲染算力调度过程示意图
玻色量子科研团队联合移动云高级研究员们将上述应用场景用数学建模为一个典型的NP-complete问题：“广义的多路数字划分问题”的一般形式，再转化为QUBO（二次无约束二值优化）问题，并映射为在“天工量子大脑”内部量子系统的哈密顿量，通过“天工量子大脑”上可控的量子相变获得最优解。联合团队还提出了两种量子算法，从不同的优化角度将广义的多路数字划分问题转化成QUBO问题，还利用玻色量子自研100量子比特“天工量子大脑”相干光量子计算机进行实验求解。
实验演示求解max-cut最优解的图表和结果
实验中采用不同规模问题的量子（CIM）和经典（SA和tabu）算法调度方案对比。
基于量子（CIM）和两种经典算法（a，b）的量子算法的运行时间（以毫秒为单位），以及求解大规模问题(c)的时间节省率R（sa/tabu，cim）
实验结果表明，与经典模拟退火（SA）和禁忌搜索算法（TABU）相比，使用100量子比特“天工量子大脑”求解的计算方案可以实现显著的量子加速，平均节省去了96.7%和98.5%的求解时间，同时还可以达到极高的精度。随着问题规模的增加，“天工量子大脑”的求解时间也能保持相对稳定，这在大规模问题求解上具有强大优势。值得注意的是，广义的多路数字划分是一个基本的NP-complete问题，而许多其他类型的问题也可以在数学上规约为这一问题，因此，玻色量子与移动云的这项研究成果大大拓展了“天工量子大脑”的实际应用场景。
未来，玻色量子将持续专注于更大规模的可扩展、可编程的光量子计算平台研发和实用化应用落地，与移动云携手联合打造“恒山光量子算力平台”，共同探索量子计算在更多行业的实际应用。
玻色量子还将启动“燎原计划”开发者平台，并持续对外开放“天工量子大脑”的真机测试，热忱欢迎更多不同领域的研究伙伴前来了解相干量子计算的原理和能力，在此基础上展开共同研发，用量子计算去解决更多真实场景中的问题，让量子计算的超强算力能真正服务于各行各业，满足未来时代对于计算的需求。
关于SCPMA
《中国科学: 物理学 力学 天文学》(中文版)和SCIENCE CHINA Physics, Mechanics & Astronomy (SCPMA, 英文版)是中国科学院主管、中国科学院和国家自然科学基金委员会共同主办的综合性学术刊物, 均为月刊。英文版SCPMA被SCI、EI、ADS等数据库收录, 2020年影响因子为5.203, Q1区, 中国科学院文献情报中心期刊分区表物理大类1区Top期刊。中文版被ESCI、Scopus、《中文核心期刊要目总览》《中国科学引文数据库》等收录, 以出版热点专题和专辑为主。中英文为两本完全独立的刊物。
