其他
用例详解：量子计算助力，澳大利亚军队后勤提效12倍
“步兵赢得战斗，后勤赢得战争。”
这句格言出自一战期间美国远征军在欧洲的指挥官约翰·潘兴将军（John J. Pershing），强调了后勤支持在军事战略中的决定性重要性。
秉承这一智慧，澳大利亚陆军在技术创新方面进行了战略性投资，旨在寻找更佳解决方案，应对在战场上高效、安全部署人员和装备所面临的复杂后勤挑战。
目前，量子计算已被纳入探索路线图，作为应对优化问题这一领域难题的有希望的途径，展现了在现代战争中克服后勤障碍的前瞻性思维。
它们代表了“优化问题”的一个关键范畴。简而言之，这类问题要求从众多略有差异的选项中挑选出最佳方案或路径，以最大化某些指标（比如速度或成本节约）。
令人惊讶的是，确定如何以及何时从几个可选路线中部署120个车队，可能需要长达一个月的计算时间。想象一下，对于管理数千辆车辆的城市交通网络或物流公司而言，这是一个庞大且令人望而生畏的问题。
在实际操作中，决策必须迅速作出，同时目标和风险也在不断变化，这进一步增加了问题的复杂性。鉴于获取优化问题的精确解所需的时间和计算资源通常不现实，大多数解决方案倾向于采用启发式算法。这些算法提供的是基于假设的近似解，其结果的质量永远达不到完美，仅能与假设条件相匹配，这增加了风险暴露，并且往往留有很大的改进空间。
为了更高效地解决后勤问题，澳大利亚陆军寻求Q-CTRL的专业知识，探索量子计算的可能性。
他们提出了一个实际问题：在Talisman Sabre演习中优化5000个车队的出发时间表和路线，这是澳大利亚国防部和美国军队之间最大的联合训练活动之一。
军队的目标不仅是确保车队准时到达目的地，还要尽可能缩短总体部署时间，同时维持车队到达的精确顺序。尽管车队的大小和速度各异，任务的复杂性却因各种“约束条件”而显著增加，这些条件在数学优化的领域中常常是解决方案的破坏者。
这一挑战广泛地反映了军队在后勤方面日常面对的诸多问题。
虽然当前的传统解决方案在一定程度上能够满足需求，但仍未实现最佳效能，而陆军认为量子计算能够带来战略上的优势。因此，他们正在投资于量子技术，旨在预见潜在的优势，并掌握实现关键进展所需的时间表和技术发展。
为此，澳大利亚军队向Q-CTRL寻求专业援助，期望为其车队调度难题找到可行的解决策略，并掌握利用量子技术超越传统解决方案性能的途径及其时间框架。
Q-CTRL提供的解决方案让测试量子优化算法成为可能，即便是在当前中等规模且容错率低的量子硬件环境中，也能取得实质性进展。
Q-CTRL专注于最大化当前硬件的潜力，针对军队面临的具有限制性的复杂优化问题提出解决方案，并通过抽象化简化实施过程，推动量子硬件性能的极限。
通过融合经典和量子计算的强项，Q-CTRL的量子-经典混合算法为解决所有车辆的调度问题提供了新的思路。
采用分组策略，将5000辆车分为每组十辆的车队，使得团队能够在现有的小型量子硬件上完成更多任务。此外，通过实施一种新的硬件优化技术，进一步减少了对量子资源的需求。这种策略让Q-CTRL团队能够有效“扩展”有限的量子资源。
团队随后着手优化算法的执行效率，首先对算法的经典部分进行调整，以提高运行效率。尽管这听起来直接，但实际上，确保算法快速运行且能持续输出有用结果是一项充满挑战的任务。
接下来的挑战是硬件错误。在量子计算机努力克服计算过程中的错误时，Q-CTRL的Fire Opal产品通过减少执行过程中的错误，最大化量子硬件的性能，实现了在实际量子计算机上的显著成果，将解决方案的质量和准确性提升了数千倍。这种改进的量子硬件性能，使得量子解决方案能够更准确、更快速地处理更大规模的问题，提高了其与传统方法的竞争力。
通过开发同时适用于量子和经典执行的硬件优化方法，Q-CTRL使在当今嘈杂的中型设备上解决复杂的高价值问题成为可能。
该解决方案不仅能够在实际的量子硬件上运行，而且其性能超过了传统的启发式基准解算器。特别是，通过采用Fire Opal技术，新的解决方案将总调度时间减少了超过两小时。这一10%的性能提升意味着，所有车队都能够在午夜前抵达，而不是延续至凌晨。
在这一成就中，每个环节都发挥了关键作用，但尤其是Fire Opal的误差抑制技术，在提升量子算法部分的性能上起到了决定性的作用；通过增强误差控制，实质上增加了硬件能够实现的价值。
在IBM的量子硬件上进行的测试显示，Fire Opal的改进使得找到最优解的概率增加了12倍。除了提升解决方案的整体质量外，错误率的减少还使得能够同时优化的车队数量翻倍，与未使用Fire Opal相比，解决问题的速度提高了六倍。
虽然这个特定案例的规模仍允许使用“蛮力”方法进行计算（未达到量子优势），但结果清晰地表明，量子解决方案的性能可以超越当前的基准工具。虽然理论上可以开发更优的经典软件，但即便是经过数十年的发展，传统方法仍未能充分满足这类优化问题的需求。
这次演示为陆军提供了强有力的证据，证明量子计算具有巨大的潜在优势。
随着更强大的量子计算机的发展，陆军正在战略性地准备利用他们当前正在评估的量子解决方案，期待这些解决方案将来能够大幅提升效率。
此次演练成果将为澳大利亚陆军规划量子计算在实战案例中的应用提供关键指导。
澳大利亚陆军量子技术负责人，SO1中校马库斯·多尔蒂指出：“确定120个车队的最优路线选择，需借助传统计算手段耗时逾一月。”
“澳大利亚陆军正探索量子计算带来的优化潜能；然而，硬件噪声长期以来一直是量子解决方案可行性的一大障碍。在量子计算机上实现的突破，为我们应用量子技术的未来发展建立了信心。”
量子计算在优化后勤流程、减少风险及提升战斗效能方面展现出巨大潜力。随着量子计算技术的迅速进步，为了充分利用这些潜在优势，关键在于及早进行案例设计与解决方案的验证。
此次，澳大利亚军队通过Q-CTRL的先进软件基础设施进行前瞻性投资，开发解决方案，旨在立即利用量子计算在后勤管理中的先进功能。
考虑到后勤的关键作用能决定战争的胜负，及时采纳量子计算技术将为当下及未来的战略布局带来不可估量的优势。