一家澳大利亚运输机构已开始为改善量子计算的通勤奠定基础。它与初创公司Q-CTRL的合作伙伴关系正在探索量子计算如何能有一天使通勤者和游客通过跨运输网络的多次转移，享受最快的旅行，这是一项具有挑战性的计算任务，可能需要根据不断变化的地面条件和变化立即进行重新计算。涉及公交车、火车、渡轮和叫车服务的时刻表。

Q-CTRL最初从悉尼大学分离出来，致力于开发可帮助现有量子算法在量子硬件上尽可能高效运行的软件，从而帮助客户充分利用当今不完善的量子计算技术。这家初创公司与澳大利亚新南威尔士州运输和道路运输局的新南威尔士州运输局的项目旨在从现有的量子硬件中获得最大的计算性能，同时为该机构做好准备，以便量子技术能够解决诸如运输等具有挑战性的问题的那一天大规模的网络优化。


Q-CTRL首席执行官兼澳大利亚悉尼大学量子控制实验室主任迈克尔·比尔库克（Michael Biercuk）表示，目前，即使对于传统的计算机模型，大多数相关规模的计算也变得棘手。希望是帮助引入采用具有量子优势的量子计算近似值，以便可以在相关的时标上解决这些网络优化问题。



Q-CTRL成员最近提出了他们的工作对交通的优化问题和其他相关研究，利用机器学习的AI技术来帮助稳定现有量子硬件针对背景噪声和误差的性能。


克服这些错误是当今量子计算面临的最大挑战之一，另一挑战是将量子硬件的规模从当今的数十个量子比特（qubit）扩展到实现实际量子计算可能需要的数千或数百万个量子比特。

硬件错误仍然是量子计算的致命弱点，仅靠增加系统规模不足以释放出量子计算硬件的真正潜力。


该公司对量子计算如何协助澳大利亚交通运输挑战的初步探索包括概念验证进行演示。例如，该团队最近在车辆路线和调度问题上的工作涉及使用IBM的云量子计算服务中的一个量子位进行性能测试和验证，并在较大的量子计算硬件上模拟量子算法的性能。通过集中研究IBM的量子硬件中的门错误，Q-CTRL已经想出了十倍提高门级性能的方法。


Biercuk探索了如何最有效地编译量子算法以反映运输所关注的问题特征和约束，以及如何在这些编译算法中部署错误鲁棒的量子逻辑运算来提高硬件性能。
尽管现有量子技术还相对不成熟，但Biercuk认为，在某些利基领域，例如交通网络优化问题，量子计算将很快展示出优于传统计算技术的加速优势。



随着行业路线图的出现，表明到2023年将有1000台以上量子比特机器的发展之路，我们看到计算优势的门槛越来越小。



这项针对运输的研究的目标不仅限于优化旅行，涉及多种运输方式之间的转移。Q-CTRL的目标还在于量子计算，以帮助新南威尔士州运输局实现“移动即服务”，使旅行者可以通过一个应用程序或网站无缝地支付和访问多种运输方式。如果量子计算能够基于最新的地面条件实时进行实时更新和重新配置旅行路线，那么这种多合一的旅行门户将大为受益。



在单独的工作中，Q-CTRL还显示了用于量子计算的现有算法如何帮助规划军事的自主补给任务。这可能会帮助澳大利亚军方弄清楚如何使用机器人地面车辆来最好地补充来自中央补给站的许多不同的分散力量。



除了充分利用现有的量子算法和硬件之外，Q-CTRL还计划发布教育工具，以帮助组织的员工学习量子计算，并培训他们对通过IBM等云服务提供的量子计算机进行编程。




上一篇：新的AI系统加速言语治疗
下一篇：人工智能辅助视觉分析，通过最少的人机交互，优化人工智能系统