新手实录:穷举解开新手教程最大割题,顺带梳理 8-bit 降精度四种方法

用户0223
2026-10-03 20:00:37
运筹优化
量子信息
技术教程
一、缘起
今天注册了开物社区账号,做活动中心新手任务时遇到了平台新手教程题:一道最大割(Max-Cut)问题,题目给了一张 10 个节点的图。作为组合优化的经典入门问题,它很适合用来体会如何把问题翻译成 Ising/QUBO 语言。这篇笔记记录我的求解过程,以及随后学习《参数精度适配指南(8bit整数)》时整理的降精度方法要点,给同样刚入门的朋友参考。

二、最大割:题面与建模
最大割问题:给定无向图 G(V,E),把顶点分成两群,使横跨两群的边数(或边权和)最大。用自旋语言描述:给每个顶点 σi ∈ {+1, −1},割值 Z = Σ_{i
三、我的求解过程:笨办法,但可靠
10 个顶点共 2^10 = 1024 种分割,穷举毫无压力。我的做法分三步:
1. 从题目图中精确提取边集:先定位 10 个节点圆心,再对全部 45 个点对沿连线做像素采样,统计线段命中率。真边的命中率接近 1,非边低于 0.3,本图没有介于两者之间的模糊案例,共得到 23 条边;各顶点度数之和 46 = 2×23,交叉验证自洽。
2. 固定顶点 0 在 A 组,枚举其余 9 个顶点的 512 种分组。
3. 逐组计数割边,得最大割值 19;达到最优的分割有两种:A={0,2,5,6,7,9},B={1,3,4,8},以及把 9 挪到 B 组的等价解。
提交后平台判定正确。顺带提醒:新手教程一天只能提交 5 次,提交前建议先自己验证,穷举是最省心的验证方式。

四、真机求解前的功课:8-bit 降精度四种方法
专用量子计算机(SPQC)只支持 8 位有符号整数 [−128, 127] 的系数精度,且该限制作用在最终提交真机求解的 Ising 矩阵上。学习地图《参数精度适配指南(8bit整数)》以 Kaiwu SDK v1.4.0 为例给了四种降精度方法,按适用场景整理:
1. 直接截断 adjust_ising_matrix_precision:系数缩放后取整,适合元素差异较小的稀疏矩阵,简单但可能损失精度;
2. 动态范围压缩 perform_precision_adaption_mutate:整体压缩系数动态范围,让极值落进 8-bit 区间;
3. 变量拆分 perform_precision_adaption_split:把带极端系数的变量拆成辅助变量,适合有极端值的矩阵,代价是问题规模变大;
4. 降低精度装饰类 PrecisionReducer:以装饰类方式包装矩阵,对现有代码侵入最小。
官方文档还有一个容易忽略的点:QUBO 建模阶段不必强行限幅,转换成 Ising 后检查动态范围即可。这与包括我在内的很多新手的第一直觉相反,值得注意。

五、小结
从一道新手题到降精度方法,第一天最大的感受是学习地图的中文文档对新手相当友好。10 节点的最大割穷举仍是标准答案,但规模一大,经典算力就吃紧了——需要专用量子计算这样的新算力,这大概也是这道新手题想传达的。接下来我准备继续过 QUBO 建模与约束处理的教程,有心得再来交流。
428
0
0
0
关于作者
相关文章
  • 从图片读出图结构:新手教程最大割题的图像化解法(Python 可复现) ...
    接上一篇新手实录(forum.php?mod=viewthread&tid=3534)。有朋友问我"从题目图里提取边集"具体怎 ...
    了解详情 
领取成功
本月5个550bit真机配额已发放给您,配额将在2个月后到期,请及时使用哦~
活动中心
联系我们
二维码
返回顶部
返回
活动中心

完成任务,轻松获取真机配额

×
每日必做
新手任务
长期任务
其他任务
快速回复 返回顶部 返回列表
玻色有奖小调研
填写问卷,将免费赠送您1个1000bit真机配额
(单选) 您是从哪个渠道得知我们的?*
您是从哪个社交媒体得知我们的?*
您是通过哪个学校的校园宣讲得知我们的呢?
取消

提交成功

真机配额已发放到您的账户,可前往【云平台】查看

量子AI开发者认证

考核目标

开发者能够成功搭建Kaiwu-PyTorch-Plugin项目基础环境,并成功运行示例代码,根据示例提示,输出指定的值并填写至相应的输入框中。

通过奖励

5个一年效期的1000量子比特真机配额

专属「量子AI开发者」社区认证标识

开发者权益

每月固定权益:5个550量子比特真机配额
前往考核

第一步

按照README提示成功安装Kaiwu-PyTorch-Plugin库环境依赖
前往GitHub

第二步

运行 community-assessment 分支下的 run_rbm.py 代码示例

第三步

理解示例代码,手动打印并填写如下数值:

正相采样的状态

负相采样的状态

正相的能量值

负相的能量值

*

提交答案

开发者权益

每月固定权益:5个550量子比特的真机配额

恭喜您完成考核

您将获得量子AI开发者认证标识及考核奖励

1000 bit*5

配额

Quantum AI Developer Certification

Assessment Objectives

Developers should successfully set up the basic environment for the Kaiwu-PyTorch-Plugin project, run the QBM-VAE sample code, and calculate the correct FID value based on the random seed value provided by the system.

Pass Rewards

10 quotas for 550-qubit real quantum machines with a one-year validity period

Exclusive "Quantum AI Developer" Community Certification Badge

Developer Benefits

Fixed Monthly Benefits: 5 quotas for 550-qubit real quantum machines
Proceed to Assessment

Step 1

Install the environment dependencies for the Kaiwu-PyTorch-Plugin library according to the README instructions
Go to GitHub

Step 2

Replace the Seed Value

Your seed value is

Step 3

Enter the FID Value You Calculated

*

Submit Answer

Developer Benefits

Fixed Monthly Benefits: 5 quotas of 550-qubit real machines

Congratulations on Completing the Assessment

You will receive the Quantum AI Developer Certification Badge and Assessment Rewards

550bit*10

Quotas