组合优化问题在许多重要领域都广泛存在，包括操作和调度、新药研发、无线通信、金融、集成电路设计、压缩感知和机器学习等，常见很难解决的问题包括找出化学分子结构的最佳组合、大量投资标的的投资策略优化、蛋白质结构的预测、工厂生产物料补给路径优化等，还包括提高工业制造和农业生产的效率、自动驾驶汽车等。
这其中一个突出的应用是医药生产。在新药研发中，一个由 50 个原子合成的化学成分组合具有多达 10 48 个种类，以目前的通用计算机技术，得花 10 24 年才能得到解答，这几乎是不可能处理的问题。但如果使用解决这种超复杂组合优化问题的专用 AI 芯片，则可以快速得到答案。
金融领域也有很多组合优化问题需要解决，如研究不同股票的股价之间的相关性，对于投资决策有重要影响。如果使用量子启发 AI 芯片，将可以在极短时间内找到一个最优结果，如图 10.9 所示。各家公司的股价之间有不同的相关性，连接强度对于找出最佳投资组合十分重要。在图 10.9 中，连接强度（相关性）被分成了 4 个等级，公司 A1 的股票和公司 A7 的股票组合为最佳组合。
图 10.9 股票价格之间的相关性
对于目前属于 AI 技术主流的深度学习算法来说，主要问题是计算量巨大。这是因为它不是机械地执行人类定义的算法，而是从数据中自动执行训练，并且基于该训练执行实时推理。为了减小计算量，需要对超参数进行优化，实现神经架构搜索。当对数据进行训练时，需要对模型中的参数进行优化处理以最小化预测误差；而为了使 AI 基于该模型进行推理，需要优化要推理的参数以使评估函数最大化。这些都是比较典型的最优化问题，也是量子启发 AI 算法和芯片的用武之地。
在物联网时代，无处不在的传感器时时刻刻在收集大量数据，数据量不断增长，这些数据还需要进行分析。例如，这些数据可用于优化城市（交通等）社会系统。如果要对城市社会系统进行优
（本章节未完结，点击下一页翻页继续阅读）
正在加载...