Репортаж от Wedoany，Разработчик сверхпроводящих квантовых компьютеров IQM Quantum Computers (NASDAQ: IQMX) совместно с компанией Deutsche Bahn опубликовали исследование, демонстрирующее выполнение гибридного квантово-классического алгоритма оптимизации на реальных эксплуатационных данных железной дороги. Исследование было выполнено сквозным образом на квантовом процессоре IQM Emerald и решало задачу планирования подвижного состава — распределение физических поездных единиц по запланированным рейсам с минимизацией эксплуатационных затрат и строгим соблюдением ограничений по техническому обслуживанию.
Стороны оценили реальный эксплуатационный набор данных, предоставленный дочерней ИТ-компанией Deutsche Bahn — DB Systel, содержащий 190 запланированных рейсов с горизонтом планирования в два дня, охватывающий пять крупных городов Германии: Кёльн, Мюнхен, Берлин, Франкфурт и Гамбург. Для адаптации задачи планирования к квантовому выполнению IQM отобразила ограничения на задачу о максимальном по весу независимом множестве (Maximum-Weight Independent Set, MWIS) на графе конфликтов: узлы графа — это допустимые замкнутые циклы поездов, каждый из которых удовлетворяет обязательной двухчасовой остановке на техническое обслуживание в Гамбурге и ограничению по максимальному пробегу в 4000 км; рёбра соединяют несовместимые циклы, обслуживающие один и тот же запланированный рейс.
Граф MWIS, полученный при полномасштабной генерации циклов, содержит около 98 500 допустимых циклов, что делает это пространство поиска слишком большим для современных квантовых процессоров. Исследователи разработали квантовую архитектуру «разделяй и властвуй»: классический внешний цикл итеративно извлекает управляемые подграфы (например, из 20 узлов), отсортированные по плотности пассажирских поездок; квантовая подпрограмма выполняет квантовый приближенный алгоритм оптимизации (Quantum Approximate Optimization Algorithm, QAOA) с глубиной p=1 для выбора частичного решения; классическая процедура постобработки-отсечения разрешает конфликтные выборы, получая допустимое независимое множество перед обновлением глобального графа. На каждой итерации выбранные циклы поездов удаляются, а ещё не обслуженные рейсы переходят к следующей итерации.
Эксперименты подтвердили три ключевых результата. Во-первых, гибридная архитектура может выполняться сквозным образом на современном квантовом оборудовании, генерируя допустимые высококачественные планы для реальных корпоративных наборов данных без необходимости в отказоустойчивом квантовом процессоре.
Во-вторых, производительность демонстрирует предсказуемую тенденцию масштабирования по мере увеличения размера подграфов. При использовании классического точного решателя в качестве эталона была выявлена статистически значимая зависимость (P=1,04×10⁻⁹): с увеличением размера подграфа гибридная архитектура обеспечивает большее прямое сокращение пустого пробега (непроизводительного расстояния без пассажиров).
В-третьих, улучшения аппаратного обеспечения могут использоваться автоматически. Когда квантовый процессор масштабируется по числу кубитов, связности и точности вентилей и способен обрабатывать более крупные подграфы, базовая архитектура алгоритма обеспечивает более качественные результаты планирования без необходимости структурной переработки.
На момент публикации этого исследования IQM уже была зарегистрирована на бирже Nasdaq Global Select Market и Nasdaq Helsinki в июле 2026 года под тикером IQMX. Обе организации заявили, что текущее исследование сосредоточено на детерминированном офлайн-планировании, а архитектура «разделяй и властвуй» в будущем может быть адаптирована для управления сбоями в реальном времени, что позволит железнодорожным операторам динамически перераспределять подвижной состав при непредвиденных задержках в обслуживании.
Препринт соответствующего исследования опубликован на платформе arXiv, а IQM также выпустила технический документ (white paper) и полное техническое тематическое исследование.
