近日，据来自北京玻色量子科技有限公司（以下简称“玻色量子”）和北方工业大学的研究团队在 Entropy 期刊上发表的一项最新论文显示，玻色量子研发的相干伊辛机（CIM）在北京公交线路优化问题上展现出毫秒级计算速度，减少了超过 80% 的计算时间，在寻找最优或近最优解方面展现出显著超越经典计算机的加速能力。

研究团队将复杂的公交网络建模为二次无约束二值优化（QUBO）问题，并通过 CIM 快速求解，验证了量子方法在城市交通规划中的潜力。

未来，随着量子比特算力规模的不断扩展，CIM 将在交通、物流、能源等多个领域快速释放真正的计算优势。

01 公交线路优化的复杂性

在北京这样的超大城市，公交系统承载着每天数百万人的出行需求，如何科学设计和调整公交线路一直是城市规划中的核心难题。公交线路优化问题的复杂性体现在多个维度：

 · 首先，乘客需求高度分散，既有上班族的高峰通勤，也有日常出行的多样化目的地；

 · 其次，线路设计需要兼顾服务覆盖率与运营效率之间的矛盾，线路过多会增加运营成本，线路过少又可能降低出行便利性；

 · 最后，换乘次数和运行时间也是影响乘客体验的关键因素。

数学上，这类问题属于典型的组合优化问题，其解空间会随着候选站点数量呈指数级增长。例如，当候选站点数量达到 60 个时，可能的线路组合是一个极大的数字，即使经典计算机通过穷举法，每秒可以检查10亿条路线，所需时间也远远大于宇宙的年龄。所以，在经典计算机上通常依赖启发式方法，例如模拟退火、禁忌搜索或遗传算法等，它们能够找到近似解，但还是需要大量计算时间，且可能陷入局部最优解。所以，对于像北京这样规模庞大的公交系统，经典方法难以满足实时性与精确度的要求。

正是在这样的背景下，玻色量子与北方工业大学的研究团队展开合作，尝试利用相干伊辛机（Coherent Ising Machine, CIM）来求解公交线路优化问题。研究团队在 Entropy 上发表的研究表明，CIM 已经展现出在特定规模问题上，量子算法超越经典算法的潜力，为未来智慧城市交通规划提供了新的可能。

02 CIM 的物理机制与 QUBO 建模

不同于超导量子或离子阱，相干伊辛机的核心是基于光学参量振荡器（Optical Parametric Oscillator, OPO）产生的一系列光脉冲。每个光脉冲可表示为二进制的状态（例如 +1 和 -1），当这些脉冲在光学腔中相互作用时，系统会自发演化到一个能量最低的稳定态。这个最低能量态就对应于优化问题的最优解或近似最优解。

CIM的结构和基本原理（图源论文）

为了让 CIM 能够处理公交线路优化任务，研究团队将问题转化为二次无约束二值优化（Quadratic Unconstrained Binary Optimization, QUBO）模型，这是一种将复杂决策问题映射为二进制变量之间能量关系的通用框架。对于公交优化而言，是否在某一站点设置线路就是一个二元变量，而 QUBO 的能量函数可以综合考虑乘客需求覆盖率、换乘次数、线路总数以及运行成本等目标。

在实验设计中，研究团队采用了双轨方案进行对比。经典路径方面，他们使用 Google 的 OR-Tools 软件生成覆盖 26 个站点的初始线路，再由商业优化器 Gurobi 进行二次求解，以提升解的精度与效率。而在量子路径中，他们将公交优化问题转化为 QUBO 并输入 CIM，系统通过数千次光学循环快速收敛，输出优化解。这种基于物理过程的并行搜索能力，避免了经典算法逐步遍历的瓶颈。

预优化阶段选定路线的解图：预优化阶段选定的路线包含26个站点，蓝色圆点代表候选站点，绿色星星代表起点站，红色星星代表终点站（图源论文）

细化阶段选定路线的解图：该图展示了使用PAM方法（精度自适应突变）进行降精度处理后的结果

细化阶段选定路线的解图：该图展示了使用PAS方法（精度自适应分裂）进行降精度处理后的结果。

03 实验设计与性能表现

研究团队选取了北京公交系统的部分数据，建立了包含 60 个候选站点和近 70 万个乘客需求点的模型，模拟真实的公交需求场景。为了保证实验的可比性，他们分别用经典算法和 CIM 求解相同的问题，并对速度、解的质量与能耗进行了对比分析。

在速度方面，CIM 展现出明显优势。在部分测试中，CIM 可以在毫秒级时间内完成优化解的计算，而 Gurobi 等经典优化器则需要数倍时间。特别是在采用 PAM（精度缩减）方法时，CIM 的运行时间不足 1 毫秒，而工业界常用的 Gurobi 求解器的耗时超过 1 毫秒，其他启发式算法耗时更长。研究数据显示，CIM 的能在部分任务中节约超过 80%的计算时间，展现出显著的量子加速能力。

在解的质量上，CIM 与 Gurobi 均能找到全局最优解或近似最优解。在使用 PAM 方法时，两者的成功率都达到 100%，但 CIM 的运行速度更快。需要注意的是，CIM 在部分情况下会输出近似解而非严格最优解，不过这些近似解与最优解的差距极小（仅为 0.07%），同样具备实用价值。

在能耗方面，CIM 的表现同样引人关注。实验表明，CIM 每次运行仅消耗约 24 焦耳的能量，并且这一能耗不会随着问题规模显著增加。相比之下，经典计算设备的能耗会随着规模的扩大而大幅上升，这一特性使 CIM 在处理大规模优化任务时具有潜在的绿色计算优势。

这些实验结果为 CIM 的应用前景提供了有力支持：在当前有限的硬件规模下，它已经能够展现出在某些特定任务中超越经典算法的能力。

04 局限性与挑战

尽管成果令人振奋，研究团队在论文中也指出了 CIM 的局限性。

首先是硬件规模限制。当时研究团队在实验中使用的是 100 量子比特的 CIM，这在实际应用中受到一定的局限。北京的公交系统远比实验模型复杂，涵盖的车站数量和需求点数量更是数倍于实验规模。若要在真实全市范围应用，需要扩展到数千甚至上万个量子比特的设备。目前，玻色量子已发布了 1000 量子比特的相干光量子计算机，大大扩展了其在实际场景中的计算能力。

其次是解的稳定性问题。在实验中，经典优化器无论何种方法都能保证输出有效解，而 CIM 的结果会受到精度缩减和建模方法的影响，有时只能得到接近最优的解。这种解的波动性，虽然在实验中仍然可接受，但在实际应用场景中可能影响系统的稳定性与可靠性，需要进一步优化。

此外，研究团队还指出，CIM 并非唯一的量子优化平台。国外D-Wave 的量子退火机、东芝的分岔机等量子或量子启发式平台都在探索类似问题，需要建立更加统一和系统的评估标准，对不同平台在速度、能耗和解的质量上进行全面比较。

最后，商业化挑战也不容忽视。虽然运行求解的能耗极低，但当下光学量子系统的研发和维护成本虽然远远低于超导、离子阱等其他技术路线的设备，但仍高于传统服务器，这意味着 CIM 在短期内难以大规模替代经典计算，需要进一步的商业化改进，推向更多的应用市场，是未来需要着重解决的问题。

05 未来应用与潜力

尽管仍在早期阶段，研究团队对 CIM 的未来发展持乐观态度。他们认为，随着硬件规模的扩大和算法建模方法的改进，CIM 在多个领域有望展现颠覆性潜力。

 · 交通领域中，CIM 可以实时优化公交、地铁和出租车的调度，帮助城市动态管理交通流量。

 · 物流与供应链管理中，CIM 能够快速求解配送路径和仓储布局，显著降低成本。

 · 通信网络中，CIM 可用于优化信号分配与路由，提高带宽利用率和网络吞吐量。

 · 在能源管理中，智能电网的负载分配与稳定性控制也可建模为组合优化问题，CIM 同样能够发挥作用。

值得注意的是，CIM 的低能耗特性使其不仅能解决复杂问题，还可能成为未来绿色计算的重要组成部分。在“双碳目标”和智慧城市建设的背景下，这一点尤为重要。

06 量子计算走向现实的象征

北京公交线路优化的实验，是量子计算从理论研究走向现实应用的重要里程碑。长期以来，量子计算的优势更多停留在“潜力”层面，而这项研究则通过一个与公众生活密切相关的案例，实实在在的展示了量子计算在社会基础设施中的“应用优越性”。

交通系统只是一个起点。更广泛地看，这项研究证明了量子计算能够逐步跨越从学术概念到实际应用的门槛。未来，当 CIM 等量子设备的比特数量扩展到更大规模时，城市可能会拥有前所未有的能力来动态优化交通、能源和通信系统，这不仅会提升城市运行效率，还将为改善居民生活质量带来切实的好处。

正如论文最后强调的那样，这只是量子计算迈向应用化的一小步，但在智慧城市和可持续发展的背景下，它或许是至关重要的一步。

Reference：

1、https://thequantuminsider.com/2025/09/25/qboson-researchers-say-quantum-computing-could-put-beijings-bus-routes-on-the-fast-track/

2、https://www.mdpi.com/1099-4300/27/9/953

---

文章改编转载自微信公众号：量子前哨

原文链接：https://mp.weixin.qq.com/s/TWfGn1pzytl_RfXiJdjlkg

近日，据来自北京玻色量子科技有限公司（以下简称“玻色量子”）和北方工业大学的研究团队在 Entropy 期刊上发表的一项最新论文显示，玻色量子研发的相干伊辛机（CIM）在北京公交线路优化问题上展现出毫秒级计算速度，减少了超过 80% 的计算时间，在寻找最优或近最优解方面展现出显著超越经典计算机的加速能力。

研究团队将复杂的公交网络建模为二次无约束二值优化（QUBO）问题，并通过 CIM 快速求解，验证了量子方法在城市交通规划中的潜力。

未来，随着量子比特算力规模的不断扩展，CIM 将在交通、物流、能源等多个领域快速释放真正的计算优势。

01 公交线路优化的复杂性

在北京这样的超大城市，公交系统承载着每天数百万人的出行需求，如何科学设计和调整公交线路一直是城市规划中的核心难题。公交线路优化问题的复杂性体现在多个维度：

 · 首先，乘客需求高度分散，既有上班族的高峰通勤，也有日常出行的多样化目的地；

 · 其次，线路设计需要兼顾服务覆盖率与运营效率之间的矛盾，线路过多会增加运营成本，线路过少又可能降低出行便利性；

 · 最后，换乘次数和运行时间也是影响乘客体验的关键因素。

数学上，这类问题属于典型的组合优化问题，其解空间会随着候选站点数量呈指数级增长。例如，当候选站点数量达到 60 个时，可能的线路组合是一个极大的数字，即使经典计算机通过穷举法，每秒可以检查10亿条路线，所需时间也远远大于宇宙的年龄。所以，在经典计算机上通常依赖启发式方法，例如模拟退火、禁忌搜索或遗传算法等，它们能够找到近似解，但还是需要大量计算时间，且可能陷入局部最优解。所以，对于像北京这样规模庞大的公交系统，经典方法难以满足实时性与精确度的要求。

正是在这样的背景下，玻色量子与北方工业大学的研究团队展开合作，尝试利用相干伊辛机（Coherent Ising Machine, CIM）来求解公交线路优化问题。研究团队在 Entropy 上发表的研究表明，CIM 已经展现出在特定规模问题上，量子算法超越经典算法的潜力，为未来智慧城市交通规划提供了新的可能。

02 CIM 的物理机制与 QUBO 建模

不同于超导量子或离子阱，相干伊辛机的核心是基于光学参量振荡器（Optical Parametric Oscillator, OPO）产生的一系列光脉冲。每个光脉冲可表示为二进制的状态（例如 +1 和 -1），当这些脉冲在光学腔中相互作用时，系统会自发演化到一个能量最低的稳定态。这个最低能量态就对应于优化问题的最优解或近似最优解。

CIM的结构和基本原理（图源论文）

为了让 CIM 能够处理公交线路优化任务，研究团队将问题转化为二次无约束二值优化（Quadratic Unconstrained Binary Optimization, QUBO）模型，这是一种将复杂决策问题映射为二进制变量之间能量关系的通用框架。对于公交优化而言，是否在某一站点设置线路就是一个二元变量，而 QUBO 的能量函数可以综合考虑乘客需求覆盖率、换乘次数、线路总数以及运行成本等目标。

在实验设计中，研究团队采用了双轨方案进行对比。经典路径方面，他们使用 Google 的 OR-Tools 软件生成覆盖 26 个站点的初始线路，再由商业优化器 Gurobi 进行二次求解，以提升解的精度与效率。而在量子路径中，他们将公交优化问题转化为 QUBO 并输入 CIM，系统通过数千次光学循环快速收敛，输出优化解。这种基于物理过程的并行搜索能力，避免了经典算法逐步遍历的瓶颈。

预优化阶段选定路线的解图：预优化阶段选定的路线包含26个站点，蓝色圆点代表候选站点，绿色星星代表起点站，红色星星代表终点站（图源论文）

细化阶段选定路线的解图：该图展示了使用PAM方法（精度自适应突变）进行降精度处理后的结果

细化阶段选定路线的解图：该图展示了使用PAS方法（精度自适应分裂）进行降精度处理后的结果。

03 实验设计与性能表现

研究团队选取了北京公交系统的部分数据，建立了包含 60 个候选站点和近 70 万个乘客需求点的模型，模拟真实的公交需求场景。为了保证实验的可比性，他们分别用经典算法和 CIM 求解相同的问题，并对速度、解的质量与能耗进行了对比分析。

在速度方面，CIM 展现出明显优势。在部分测试中，CIM 可以在毫秒级时间内完成优化解的计算，而 Gurobi 等经典优化器则需要数倍时间。特别是在采用 PAM（精度缩减）方法时，CIM 的运行时间不足 1 毫秒，而工业界常用的 Gurobi 求解器的耗时超过 1 毫秒，其他启发式算法耗时更长。研究数据显示，CIM 的能在部分任务中节约超过 80%的计算时间，展现出显著的量子加速能力。

在解的质量上，CIM 与 Gurobi 均能找到全局最优解或近似最优解。在使用 PAM 方法时，两者的成功率都达到 100%，但 CIM 的运行速度更快。需要注意的是，CIM 在部分情况下会输出近似解而非严格最优解，不过这些近似解与最优解的差距极小（仅为 0.07%），同样具备实用价值。

在能耗方面，CIM 的表现同样引人关注。实验表明，CIM 每次运行仅消耗约 24 焦耳的能量，并且这一能耗不会随着问题规模显著增加。相比之下，经典计算设备的能耗会随着规模的扩大而大幅上升，这一特性使 CIM 在处理大规模优化任务时具有潜在的绿色计算优势。

这些实验结果为 CIM 的应用前景提供了有力支持：在当前有限的硬件规模下，它已经能够展现出在某些特定任务中超越经典算法的能力。

04 局限性与挑战

尽管成果令人振奋，研究团队在论文中也指出了 CIM 的局限性。

首先是硬件规模限制。当时研究团队在实验中使用的是 100 量子比特的 CIM，这在实际应用中受到一定的局限。北京的公交系统远比实验模型复杂，涵盖的车站数量和需求点数量更是数倍于实验规模。若要在真实全市范围应用，需要扩展到数千甚至上万个量子比特的设备。目前，玻色量子已发布了 1000 量子比特的相干光量子计算机，大大扩展了其在实际场景中的计算能力。

其次是解的稳定性问题。在实验中，经典优化器无论何种方法都能保证输出有效解，而 CIM 的结果会受到精度缩减和建模方法的影响，有时只能得到接近最优的解。这种解的波动性，虽然在实验中仍然可接受，但在实际应用场景中可能影响系统的稳定性与可靠性，需要进一步优化。

此外，研究团队还指出，CIM 并非唯一的量子优化平台。国外D-Wave 的量子退火机、东芝的分岔机等量子或量子启发式平台都在探索类似问题，需要建立更加统一和系统的评估标准，对不同平台在速度、能耗和解的质量上进行全面比较。

最后，商业化挑战也不容忽视。虽然运行求解的能耗极低，但当下光学量子系统的研发和维护成本虽然远远低于超导、离子阱等其他技术路线的设备，但仍高于传统服务器，这意味着 CIM 在短期内难以大规模替代经典计算，需要进一步的商业化改进，推向更多的应用市场，是未来需要着重解决的问题。

05 未来应用与潜力

尽管仍在早期阶段，研究团队对 CIM 的未来发展持乐观态度。他们认为，随着硬件规模的扩大和算法建模方法的改进，CIM 在多个领域有望展现颠覆性潜力。

 · 交通领域中，CIM 可以实时优化公交、地铁和出租车的调度，帮助城市动态管理交通流量。

 · 物流与供应链管理中，CIM 能够快速求解配送路径和仓储布局，显著降低成本。

 · 通信网络中，CIM 可用于优化信号分配与路由，提高带宽利用率和网络吞吐量。

 · 在能源管理中，智能电网的负载分配与稳定性控制也可建模为组合优化问题，CIM 同样能够发挥作用。

值得注意的是，CIM 的低能耗特性使其不仅能解决复杂问题，还可能成为未来绿色计算的重要组成部分。在“双碳目标”和智慧城市建设的背景下，这一点尤为重要。

06 量子计算走向现实的象征

北京公交线路优化的实验，是量子计算从理论研究走向现实应用的重要里程碑。长期以来，量子计算的优势更多停留在“潜力”层面，而这项研究则通过一个与公众生活密切相关的案例，实实在在的展示了量子计算在社会基础设施中的“应用优越性”。

交通系统只是一个起点。更广泛地看，这项研究证明了量子计算能够逐步跨越从学术概念到实际应用的门槛。未来，当 CIM 等量子设备的比特数量扩展到更大规模时，城市可能会拥有前所未有的能力来动态优化交通、能源和通信系统，这不仅会提升城市运行效率，还将为改善居民生活质量带来切实的好处。

正如论文最后强调的那样，这只是量子计算迈向应用化的一小步，但在智慧城市和可持续发展的背景下，它或许是至关重要的一步。

Reference：

1、https://thequantuminsider.com/2025/09/25/qboson-researchers-say-quantum-computing-could-put-beijings-bus-routes-on-the-fast-track/

2、https://www.mdpi.com/1099-4300/27/9/953

---

文章改编转载自微信公众号：量子前哨

原文链接：https://mp.weixin.qq.com/s/TWfGn1pzytl_RfXiJdjlkg