La plate-forme d'Aqarios Luna V1.0 marque une étape importante dans l'optimisation quantique. Cette version améliore considérablement l'utilisabilité, les performances et l'applicabilité du monde réel en introduisant Flexqaoa, un algorithme quantique hybride conçu spécifiquement pour gérer les contraintes industrielles directement dans les circuits quantiques.
Luna permet aux professionnels de la logistique, de l'énergie, de la fabrication et d'autres industries de modéliser, résoudre et interpréter facilement des problèmes d'optimisation complexes, mettant aujourd'hui l'informatique quantique.
Le 4 juin 2025, nous avons lancé Luna V1.0, notre mise à niveau la plus importante vers notre plate-forme d'optimisation quantique. L'informatique quantique promet de puissantes capacités d'optimisation, mais la complexité des problèmes du monde réel, en particulier des contraintes de problème de traitement, pose toujours un défi majeur dans ce domaine. Luna V1.0 relève ces défis de front.
Qu'est-ce qui rend Luna v1.0 spécial? Il offre une expérience utilisateur intuitive, une intégration plus approfondie des algorithmes quantiques et hybrides et une prise en charge native pour Flexqaoa, notre nouvel algorithme d'optimisation quantique de contrainte.
Luna est conçue pour les professionnels qui sont confrontés à des problèmes complexes dans la prise de décision. Il ne nécessite pas une expertise informatique quantique antérieure, juste des défis d'optimisation du monde réel qui exigent des solutions robustes et respectueuses des contraintes.
L'optimisation quantique répond aux contraintes: pourquoi nous avons construit Flexqaoa
L'informatique quantique promet des percées importantes dans l'optimisation, mais lorsque des contraintes réelles sont introduites, de nombreuses méthodes quantiques vacillent. Les problèmes industriels existent rarement sans contraintes: budgets, délais, capacités. Les algorithmes quantiques traditionnels ne peuvent pas gérer ces contraintes de manière native, nécessitant des réformations de problèmes complexes à travers des termes de pénalité.
Nous avons vu une opportunité: pourquoi ne pas créer un algorithme quantique construit spécifiquement autour des contraintes dès le début?
C'est flexqaoa.
Les contraintes sont partout
Les contraintes sont fondamentales pour les problèmes d'optimisation et définissent les limites des solutions valides en premier lieu. Considérez les scénarios suivants:
- Grides d'énergie: Équilibrage de la production d'électricité dans les limites de réglementation et de capacité strictes.
- Fabrication: attribution efficace des tâches aux machines tout en respectant les capacités et les délais.
- Logistique: Optimisation des voies de véhicule avec des limites de charge précises et des fenêtres de livraison.
Les méthodes quantiques traditionnelles luttent ici. Les réformulations pour travailler avec des contraintes de déchets de ressources en explorant des solutions irréalisables, compliquent le processus d'optimisation en ayant à équilibrer l'objectif d'origine avec des pénalités supplémentaires et nécessitent des variables de relâche supplémentaires, augmentant le nombre de qubits requis.
Nous avons visé quelque chose de plus simple, plus clair et plus efficace.
Comment flexqaoa résout directement les contraintes
Flexqaoa code directement des contraintes dans les circuits quantiques, éliminant les structures de pénalité complexes. Nous avons introduit deux concepts:
- XY-MIXERS: gérer les décisions nécessitant des sélections exclusives (un hot) en contraignant l'état quantique aux solutions réalisables.
- Fonctions de l'indicateur: Gérez les contraintes d'inégalité (comme les budgets ou les capacités) en appliquant des déchaulages ciblés, en codant efficacement la satisfaction des contraintes.
Ces innovations permettent à Flexqaoa de fournir des solutions pratiques claires plus rapidement.
Flexqaoa dans la pratique: résultats compressifs
Nous avons comparé Flexqaoa en utilisant le problème de sac à dos multidimensionnel, un défi d'optimisation complexe bien connu impliquant plusieurs contraintes. Même dans quelques couches QAOA, Flexqaoa correspond ou dépasse les méthodes quantiques de base. Avec plus d'itérations QAOA, il fournit systématiquement des résultats supérieurs, surpassant clairement les algorithmes conventionnels basés sur les sanctions.
Flexqaoa obtient une probabilité d'échantillonnage de solutions de haute qualité de plus de 90% à seulement 10 couches de Qaoa pour les instances étudiées, sans nécessiter de variables lâches ni de poids de pénalité de réglage.
Son architecture consciente des contraintes améliore la qualité de la solution et améliore le délai de solution, grâce à un espace de recherche considérablement réduit, faisant de Flexqaoa un candidat solide pour résoudre des problèmes à l'échelle industrielle alors que le matériel quantique continue d'évoluer. L'espace de recherche réduit augmente non seulement les performances, mais permet également la simulation de tailles de problème inaccessibles aux méthodes conventionnelles.
Des résultats détaillés sont disponibles dans notre récent article publié dans le arxiv serveur de préimprimée.
Impact du monde réel: flexqaoa dans l'optimisation de l'énergie avec E.on
L'une des premières applications du monde réel de Flexqaoa a été développée en collaboration avec E.ON Digital Technology, où nous avons relevé un défi clé dans l'avenir de l'énergie: optimiser la demande d'électricité à partir d'appareils flexibles dans les ménages Prosumer.
L'objectif était de coordonner les appareils intelligents comme les chargeurs EV et les pompes à chaleur d'une manière qui minimise les coûts d'électricité tout en utilisant mieux les énergies renouvelables générées localement, toutes sans violer les contraintes de grille.
En utilisant Flexqaoa, nous avons réussi à coder la structure complexe du problème directement dans un circuit quantique, permettant une optimisation consciente des contraintes qui respecte la faisabilité du monde réel. Les résultats montrent un potentiel clair pour améliorer la flexibilité et l'efficacité des systèmes énergétiques.
Vous pouvez lire l'étude de cas complète ici.
Luna v1.0: optimisation quantique pour tout le monde
Avec Luna, les utilisateurs peuvent modéliser, comparer et résoudre les problèmes d'optimisation intuitivement à l'aide de Python, tandis que Luna fournit un accès matériel à divers algorithmes et backends matériels au choix. Il combine des algorithmes propriétaires avec des pipelines automatisés, ce qui rend le processus de résolution de problèmes plus intuitif et plus facile que jamais. Déjà dans une utilisation active entre les systèmes de logistique, de fabrication et d'énergie, Luna prouve que l'optimisation quantique est désormais à portée de main pour quiconque cherche à commencer.
Notre feuille de route comprend l'extension de Flexqaoa pour des types de contraintes plus larges, l'amélioration des performances du matériel quantique et l'élargissement des flux de travail d'optimisation hybride. Nous pensons que ce n'est que le début du potentiel transformateur de l'optimisation quantique.
Cette histoire fait partie de Science X Dialog, où les chercheurs peuvent signaler les résultats de leurs articles de recherche publiés. Visitez cette page pour plus d'informations sur la boîte de dialogue Science X et comment participer.
Avec une base solide dans des secteurs tels que l'aérospatiale, l'automobile, la finance, l'énergie, la logistique et la fabrication, Aqarios exploite plus d'une décennie de recherche sur les applications quantiques pour fournir des solutions logicielles innovantes et centrées sur l'utilisateur. Nos outils intuitifs fournissent un accès rationalisé aux applications quantiques, aux algorithmes et au matériel, ce qui permet à tout le monde des utilisateurs novices aux experts assaisonnés pour résoudre des problèmes complexes plus efficacement et puissamment.
