據(jù)悉，昇思MindSpore開源社區(qū)將于 2025 年 12 月 25日在杭州舉辦昇思人工智能框架峰會。本次大會的AI for Science創(chuàng)新論壇策劃，將會分享基于昇思MindSpore的在AI科學(xué)計(jì)算領(lǐng)域的前沿成果，歡迎現(xiàn)場交流。
本文介紹MindSpore Quantum在解決組合優(yōu)化問題上的效率提升效果。
在物流調(diào)度、金融投資等領(lǐng)域，隨著數(shù)據(jù)規(guī)模的擴(kuò)大，組合優(yōu)化問題往往面臨計(jì)算復(fù)雜度激增的難題，傳統(tǒng)算法難以在有限算力與求解精度之間取得平衡。為此，MindSpore Quantum實(shí)現(xiàn)了量子啟發(fā)式求解器。該方案基于經(jīng)典硬件模擬量子演化特性，旨在優(yōu)化大規(guī)模問題的尋優(yōu)效率，為解決工業(yè)級復(fù)雜問題提供了一種高性能的技術(shù)新解。
量子啟發(fā)式算法簡介
量子啟發(fā)式算法是一種新式的算法，它源于或直接受基于量子力學(xué)原理的計(jì)算方法的啟發(fā)，旨在利用量子力學(xué)的獨(dú)特性質(zhì)（疊加態(tài)、量子糾纏和量子并行性）來改進(jìn)傳統(tǒng)算法的性能。
? 對于線性代數(shù)問題：受HHL（Harrow-Hassidim-Lloyd）算法的啟發(fā)，Ewin Tang提出了量子啟發(fā)算法，與已知的經(jīng)典方法相比，這些算法具有指數(shù)級的性能加速。
? 對于組合優(yōu)化問題：受量子退火或類似（量子）伊辛機(jī)啟發(fā)的算法。
量子啟發(fā)式算法的發(fā)展脈絡(luò)
1、相干伊辛機(jī) Coherent Ising Machine, CIM
? 模擬相干伊辛機(jī) Simulated Coherent Ising Machine (SimCIM, 2019)
? 混沌振幅控制 Chaotic Amplitude Control (CAC, 2020)
? 混沌振幅反饋 Chaotic Feedback Control (CFC, 2021)
? 離散振幅反饋 Separated Feedback Control (SFC, 2021)
2、模擬分岔 Simulated Bifurcation
? 絕熱模擬分岔 adiabatic Simulated Bifurcation (aSB, 2019)
? 彈道模擬分岔 ballistic Simulated Bifurcation (bSB, 2021)
? 離散模擬分岔 discrete Simulated Bifurcation (dSB, 2021)
3、平均場退火 Mean Field Annealing
? 局域量子退火 Local Quantum Annealing (LQA, 2022)
? 含噪平均場退火 Mean-Field Approximate Optimization Algorithm (MFAOA, 2023)
量子啟發(fā)式算法中的模擬分岔算法 Simulated Bifurcation
模擬分岔算法其核心思想是通過模擬非線性哈密頓動(dòng)力學(xué)的分岔現(xiàn)象來尋找伊辛模型（Ising problem）的基態(tài)，從而將組合優(yōu)化問題映射為物理系統(tǒng)的優(yōu)化問題。
基于模擬哈密頓方程中的分岔過程，系統(tǒng)通過動(dòng)態(tài)調(diào)節(jié)控制參數(shù)，使系統(tǒng)經(jīng)歷一系列動(dòng)力學(xué)分岔，最終收斂到由伊辛自旋變量穩(wěn)定（+-1），并得到穩(wěn)定解，這個(gè)解對應(yīng)原始問題的局部最優(yōu)解或近似解。
量子啟發(fā)式算法應(yīng)用場景
1、物流與生產(chǎn)調(diào)度
量子啟發(fā)式算法擅長解決旅行商問題、0-1背包問題等NP困難問題，為物流路徑規(guī)劃、生產(chǎn)調(diào)度提供高效方案。
2、通信網(wǎng)絡(luò)
量子啟發(fā)式算法可應(yīng)用于通信網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)，例如路由優(yōu)化、資源分配等，提供網(wǎng)絡(luò)的效率和可靠性。
3、蛋白質(zhì)結(jié)構(gòu)和藥物研發(fā)
蛋白質(zhì)分子的折疊對接是藥物研發(fā)中的重要課題，量子啟發(fā)式算法可預(yù)測多種蛋白質(zhì)分子旋轉(zhuǎn)角度，縮短求解時(shí)間，加速藥物的篩選和研發(fā)。
MindSpore Quantum已經(jīng)集成量子啟發(fā)式算法模塊，并提供CPU、NPU版本，適配多種硬件設(shè)備，并提供極致性能。
? mindquantum.algorithm.qaia.QAIA 量子退火啟發(fā)式算法基類
? mindquantum.algorithm.qaia.CAC 混沌振幅控制算法
? mindquantum.algorithm.qaia.CFC 混沌振幅反饋算法
? mindquantum.algorithm.qaia.LQA 局域量子退火算法
? mindquantum.algorithm.qaia.NMFA 含噪平均場退火算法
? mindquantum.algorithm.qaia.ASB 絕熱模擬分叉算法
? mindquantum.algorithm.qaia.BSB 彈道模擬分叉算法
? mindquantum.algorithm.qaia.DSB 離散模擬分叉算法
? mindquantum.algorithm.qaia.TSB 三元量化模擬分岔算法
? mindquantum.algorithm.qaia.USB 均勻量化模擬分岔算法
? mindquantum.algorithm.qaia.LSB 對數(shù)量化模擬分岔算法
? mindquantum.algorithm.qaia.SFC 離散振幅反饋算法
? mindquantum.algorithm.qaia.SimCIM 模擬相干伊辛機(jī)算法
實(shí)戰(zhàn)案例-使用量子啟發(fā)式算法求解最大割問題
組合優(yōu)化問題是一類在有限的選項(xiàng)集合中找到最優(yōu)解的數(shù)學(xué)問題，它有著廣泛的應(yīng)用，像投資組合，旅行商問題等。它的求解難度隨著問題規(guī)模的增加指數(shù)增長。因此，目前還不存在高效的經(jīng)典算法來求解組合優(yōu)化問題。
下面演示使用MindSpore Quantum中的量子啟發(fā)式算法求解最大割問題，數(shù)據(jù)集來源于經(jīng)典的GSet問題，選取G22圖，其規(guī)模是2000節(jié)點(diǎn)，19990條邊。
輸出：
可以看到，DSB算法僅用0.53秒就求解出了2000節(jié)點(diǎn)的GSet圖，該圖的最大切割數(shù)在13353附近。
使用NPU加速量子啟發(fā)式算法
上述卓越的求解速度，歸功于MindSpore Quantum中利用NPU對此類量子啟發(fā)式算法的顯著加速。我們分別在CPU和NPU后端上運(yùn)行DSB算法，求解最大割問題：
可以看到，對于同樣的問題，如果使用CPU進(jìn)行求解，需要14.2秒才能完成，而NPU僅需0.5秒，使求解速度提升了28倍。
MindSpore Quantum是基于昇思MindSpore開源深度學(xué)習(xí)平臺開發(fā)的新一代通用量子計(jì)算框架，聚焦于NISQ階段的算法實(shí)現(xiàn)與落地。結(jié)合HiQ高性能量子計(jì)算模擬器和昇思MindSpore并行自動(dòng)微分能力，MindSpore Quantum有著極簡的開發(fā)模式和極致的性能體驗(yàn)，能夠高效處理量子機(jī)器學(xué)習(xí)、量子化學(xué)模擬和量子組合優(yōu)化等問題，為廣大科研人員、老師和學(xué)生提供快速設(shè)計(jì)和驗(yàn)證量子算法的高效平臺，讓量子計(jì)算觸手可及。
MindSpore Quantum開源倉庫：
https://atomgit.com/mindspore/mindquantum
MindSpore Quantum社區(qū)文檔地址：
https://www.mindspore.cn/mindquantum/docs/zh-CN/r0.11/index.html
本次在杭州舉辦的昇思人工智能框架峰會，將會邀請思想領(lǐng)袖、專家學(xué)者、企業(yè)領(lǐng)軍人物及明星開發(fā)者等產(chǎn)學(xué)研用代表，共探技術(shù)發(fā)展趨勢、分享創(chuàng)新成果與實(shí)踐經(jīng)驗(yàn)。歡迎各界精英共赴前沿之約，攜手打造開放、協(xié)同、可持續(xù)的人工智能框架新生態(tài)！
