加速解决复杂实际问题是量子计算的核心任务。近日，浙江大学超导量子计算团队及其合作者，在《国家科学评论》（National Science Review）期刊上发表题为“Combinatorial optimization enhanced by shallow quantum circuits with 104 superconducting qubits”的研究论文，提出并基于百比特超导量子处理器实验验证了一种名为“Qjump”的量子经典混合算法。该算法将浅层量子电路采样与经典局部搜索相结合，在处理复杂组合优化问题时，有望超越诸如模拟退火这类不依赖于数据结构的普适性经典启发式算法。该研究展示了大规模超导量子计算硬件的潜力，为迈向实用化量子优势开辟了新路径。

一、研究背景：

组合优化问题广泛存在于物流调度、金融投资组合、药物分子设计等关键领域。然而，这类问题大多属于NP-hard 类型——随着问题规模增长，其可能解的数量呈指数级膨胀，经典计算资源很快便难以承受。大多数组合优化问题都可以被映射为求解伊辛模型（Ising model） 的基态问题。换言之，只要找到系统的最低能量状态，就能得到原问题的最优解。

量子计算天然拥有指数级增长的希尔伯特空间，因此被寄予厚望，成为破解这类难题的重要工具。但现实并不理想，在当前的含噪声中等尺度量子系统（NISQ）阶段，受限于量子比特的相干时间和硬件噪声，无法实现完美的量子计算，深层量子电路难以稳定运行。如何在不需要量子纠错、仅利用现有硬件的况下实现对实际问题的求解加速，一直是当前量子计算领域内的核心难题。

二、核心策略：

为了应对这一挑战，浙江大学超导量子计算团队及其合作者设计并实现了一种名为Qjump（量子跳跃）的量子采样算法（图1）。其核心思想可以概括为：量子负责“跳跃”，经典负责“精修”。

具体而言，量子采样利用浅层量子电路对复杂的能量景观进行高效采样，从候选解向附近更低的能量盆地进行“量子跳跃”，为寻找最优解提供具有潜力的候选区域。一旦量子采样锁定了具有潜力的区域，经典的局部搜索子程序将立即接力，对解进行精细化的微调与优化。

这种“量子采样 + 经典优化”的分工协作模式，极大降低了对量子电路深度的要求，使得在现有的含噪声量子硬件上运行大规模算法成为可能。

图1 伊辛模型能量景观与Qjump 算法示意图

三、单步跳跃性能验证：

研究团队在浙江大学超导量子计算团队自主研制的“天目2号”超导量子芯片（图2 a）上选取了由104个量子比特组成的二维网格阵列对Qjump算法进行了实验验证。实验结果显示，在处理大规模复杂问题时，基于该处理器的Qjump算法表现卓越。 

在组合优化问题中，最大的挑战往往不是寻找一个可行解，而是如何从局部最优的“陷阱”中跳出，进入更优的解区域。传统的经典启发式算法（如模拟退火）主要依赖随机位翻转，通过对已有解中某几位比特进行翻转产生新的候选解。这种方式类似于在黑暗中随机向四周迈步，由于缺乏对整体能量景观的感知，只能依赖大量随机尝试，偶然进入更低能量区域，效率往往随问题规模迅速下降。 

Qjump 则采取了不同的路径。在量子线路中，算法将问题的全局能量结构直接编码进量子演化过程，借助量子干涉效应放大了高潜力区域出现的概率，从而实现跨能垒的“定向跳跃”。单步跳跃的实验数据表明，Qjump的量子采样结果能以更高的概率接近全局最优解（图2 c和d）。这表明，量子采样不仅能够跳出局部极小值，而且具备对高潜力解区域的有效筛选能力。

图2（a）“天目2号”超导量子芯片；（b）伊辛模型的量子线路编码；

（c）量子采样与经典随机翻转的候选解概率分布；（d）不同线路参数下有效跳跃的概率统计

四、算法性能对比：

为了科学评估 Qjump 算法的整体性能，研究团队在 104 比特规模下，将其与高度优化的经典模拟退火（SA）算法及传统量子近似优化算法（QAOA）进行了对比。由于实验所用的原型机尚未针对运行速度进行极致工程优化，研究团队参考已有文献报道的超导量子硬件规格进行了运行速度估算。 

求解质量：在相同的40毫秒运行周期内，尽管经典 SA 算法可以能以较高频率产生产生更多样本，但Qjump展现了更高质量的解分布。实验数据表明，Qjump找到全局最优解的频率平均是SA的2.23倍（图3）。相比之下，传统量子算法QAOA在处理此类复杂问题时，由于受限于电路深度与硬件噪声，在相同时间内的表现远逊于Qjump和SA。

图3 求解质量对比

求解时间（Time-to-Solution, TTS）：除了比较解的质量，研究团队还进一步分析了算法效率的标准指标——求解时间（TTS）。该指标衡量的是算法达到 99% 概率找到全局最优解所需的总时间，是评价随机优化算法性能的通用标准。估算结果显示，运行在先进超导量子硬件上的 Qjump算法，相对于单核 CPU 上的经典 SA 算法实现了约2.34倍的加速。这一结果表明，在目前的含噪声中等尺度量子系统阶段，通过量子-经典混合架构，我们有希望实现针对实用问题的量子加速。

图4 求解时间对比

五、展望未来：迈向实用化的新路径

本项研究不仅通过 104 个超导量子比特展示了大规模量子芯片在复杂优化问题中的巨大潜力，更关键的是，它提供了一种在硬件噪声背景下依然行之有效的算法框架。展望未来，随着超导量子处理器系统规模的持续扩大与硬件保真度的进一步提升，Qjump算法有望用于处理具有更高连通性和更多变量的工业级实际问题。这为我们在实现量子纠错这一长远目标之前，率先在特定领域实现“实用量子优势”开辟了一条极具潜力的技术路径。

该研究共同第一作者为：朱旭浩（浙江大学物理学院博士生）、邹作恒、金非童（浙江大学物理学院博士生）、Pavel Mosharev。通讯作者为：王浩华（浙江大学物理学院教授）、翁文康（南方科技大学博士生导师）。其他主要合作者包括：浙江大学物理学院宋超研究员、王震研究员，浙江大学杭州国际科创中心郭秋江研究员、张鹏飞研究员、李贺康高级工程师。本研究中的超导量子芯片在浙江大学微纳加工中心制备，量子芯片测控电子设备由杭州逻辑比特科技有限公司提供。本研究得到了国家自然科学基金、科技部、浙江省自然科学基金、新基石科学基金会科学探索奖等的支持。

论文链接：https://doi.org/10.1093/nsr/nwag124