Application of Quantum Computing Technology in Decision-making Optimization of New Power System

LI Zhiyi; XU Yue; HAN Xutao

doi:10.7500/AEPS20230704013

您当前的位置：

首页 >

文章列表页 >

Application of Quantum Computing Technology in Decision-making Optimization of New Power System

Reviews on Key Technologies for Digitalization of New Power System | 更新时间：2025-06-16

- Application of Quantum Computing Technology in Decision-making Optimization of New Power System
- Automation of Electric Power Systems Vol. 48, Issue 6, Pages: 62-73(2024)
- 作者机构：
  
  浙江大学电气工程学院，浙江省杭州市 310027
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52007164)
- DOI：10.7500/AEPS20230704013
  CLC：
- Received：04 July 2023，
  
  Revised：2023-12-25，
  
  Published Online：02 February 2024，
  
  Published：25 March 2024
- 稿件说明：
移动端阅览
李知艺,许悦,韩旭涛.量子计算技术在新型电力系统决策优化中的应用[J].电力系统自动化,2024,48(6):62-73.

LI Zhiyi,XU Yue,HAN Xutao.Application of Quantum Computing Technology in Decision-making Optimization of New Power System[J].Automation of Electric Power Systems,2024,48(6):62-73.
李知艺,许悦,韩旭涛.量子计算技术在新型电力系统决策优化中的应用[J].电力系统自动化,2024,48(6):62-73. DOI： 10.7500/AEPS20230704013.

LI Zhiyi,XU Yue,HAN Xutao.Application of Quantum Computing Technology in Decision-making Optimization of New Power System[J].Automation of Electric Power Systems,2024,48(6):62-73. DOI： 10.7500/AEPS20230704013.

摘要

新型电力系统的规划、运行和市场运营等决策优化过程呈现变量激增、约束繁杂等特点，而量子计算具有运算并行和状态叠加等特性，为高效解决此类“维数灾难”难题提供了新的技术路径。文中围绕量子计算技术赋能新型电力系统决策优化的原理可行性及实现思路展开探析。首先，梳理分析量子计算应用于新型电力系统决策优化过程的先进性与局限性，构建量子-经典计算混合的变分量子决策优化框架。在此基础上，提炼新型电力系统典型优化问题的共性，推导统一的问题结构，形成可利用量子比特系统描述的能量模型。随后，提出基于量子近似优化算法的求解流程，寻找能量模型的极值，并映射得到原优化问题的最优解。最后，从软硬件、算法框架以及行业发展等角度提出思考与展望。

Abstract

The decision-making optimization process of planning

operation

and market operation of new power system presents more variables and more complex constraints. The quantum computing has the characteristics of parallel computation operation and state superposition

which can provide effective ideas for avoiding the “curse of dimensionality”. This paper attempts to explore the theoretic feasibility and application prospect of quantum computing technology for the decision-making optimization of the new power system. First

both advantages and limitations about the application of quantum computing to the decision-making optimization of the new power system is analyzed. A hybrid quantum-classical computing framework for variational quantum decision optimization is constructed. On this basis

the common features of the typical optimization problems in the new power system are generalized to form a unified problem structure

whereafter it is transformed into the energy model that can be described by the qubit system. Subsequently

the quantum approximation optimization algorithm is adopted to find the extreme value of the energy model

and the optimal solution of the original problem is determined. Finally

reflection and prospect are put forward from the perspective of hardware

software

algorithmic framework

and industry development.

关键词

Keywords

references

SGCC . New Energy Cloud ［EB/OL］. ［ 2023-05-28 ］. https：//sgnec.sgcc.com.cn/renewableEnergy/developmentSituation https://sgnec.sgcc.com.cn/renewableEnergy/developmentSituation .

冯斌，胡轶婕，黄刚，等 . 基于深度强化学习的新型电力系统调度优化方法综述［J］. 电力系统自动化， 2023 ， 47 （ 17 ）： 187 - 199 .

FENG Bin ， HU Yijie ， HUANG Gang ， et al . Review on optimization methods for new power system dispatch based on deep reinforcement learning ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 17 ）： 187 - 199 .

张勇军，羿应棋，李立浧，等 . 双碳目标驱动的新型低压配电系统技术展望［J］. 电力系统自动化， 2022 ， 46 （ 22 ）： 1 - 12 .

ZHANG Yongjun ， YI Yingqi ， LI Licheng ， et al . Prospect of new low-voltage distribution system technology driven by carbon emission peak and carbon neutrality targets ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 22 ）： 1 - 12 .

郭琦，卢远宏 . 新型电力系统的建模仿真关键技术及展望［J］. 电力系统自动化， 2022 ， 46 （ 10 ）： 18 - 32 .

GUO Qi ， LU Yuanhong . Key technologies and prospects of modeling and simulation of new power system ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 10 ）： 18 - 32 .

滕贤亮，谈超，昌力，等 . 高比例新能源电力系统有功功率与频率控制研究综述及展望［J］. 电力系统自动化， 2023 ， 47 （ 15 ）： 12 - 35 .

TENG Xianliang ， TAN Chao ， CHANG Li ， et al . Review and prospect of research on active power and frequency control in power system with high proportion of renewable energy ［J］. Automation of Electric Power Systems ， 2023 ， 47 （ 15 ）： 12 - 35 .

LIU Z X ， WU Q W ， OREN S S ， et al . Distribution locational marginal pricing for optimal electric vehicle charging through chance constrained mixed-integer programming ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 2 ）： 644 - 654 .

ASFORA B A ， BANFI J ， CAMPBELL M . Mixed-integer linear programming models for multi-robot non-adversarial search ［J］. IEEE Robotics and Automation Letters ， 2020 ， 5 （ 4 ）： 6805 - 6812 .

LIN S J ， FAN G S ， JIAN G Y ， et al . Stochastic economic dispatch of power system with multiple wind farms and pumped-storage hydro stations using approximate dynamic programming ［J］. IET Renewable Power Generation ， 2020 ， 14 （ 13 ）： 2507 - 2516 .

GAO F ， HUANG D J ， ZHAO Z W ， et al . Hybrid quantum-classical general benders decomposition algorithm for unit commitment with multiple networked microgrids ［EB/OL］. ［ 2023-07-03 ］. http：//www.arxitics.com/articles/2210.06678 http://www.arxitics.com/articles/2210.06678 .

ZHOU Y F ， TANG Z F ， NIKMEHR N ， et al . Quantum computing in power systems ［J］. iEnergy ， 2022 ， 1 （ 2 ）： 170 - 187 .

RESCH S . An introduction to quantum optimization approximation algorithm ［EB/OL］. ［ 2023-07-03 ］. https：//www.cs.umd.edu/class/fall2018/cmsc657/projects/group_16.pdf https://www.cs.umd.edu/class/fall2018/cmsc657/projects/group_16.pdf .

MCARDLE S ， ENDO S ， ASPURU-GUZIK A ， et al . Quantum computational chemistry ［J］. Reviews of Modern Physics ， 2020 ， 92 ： 015003 .

KOKAIL C ， MAIER C ， VAN BIJNEN R ， et al . Self-verifying variational quantum simulation of lattice models ［J］. Nature ， 2019 ， 569 ： 355 - 360 .

FARHI E ， HARROW A . Quantum supremacy through the quantum approximate optimization algorithm ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/1602.07674 https://arxiv.org/abs/1602.07674 .

ZHOU L ， WANG S T ， CHOI S ， et al . Quantum approximate optimization algorithm： performance， mechanism， and implementation on near-term devices ［J］. Physical Review X ， 2020 ， 10 （ 2 ）： 021067 .

PRESKILL J . Quantum computing in the NISQ era and beyond ［J］. Quantum ， 2018 ， 2 ： 79 .

HUANG H L ， XU X Y ， GUO C ， et al . Near-term quantum computing techniques： variational quantum algorithms， error mitigation， circuit compilation， benchmarking and classical simulation ［J］. Science China Physics ， Mechanics & Astronomy， 2023 ， 66 （ 5 ）： 250302 .

CEREZO M ， ARRASMITH A ， BABBUSH R ， et al . Variational quantum algorithms ［J］. Nature Reviews Physics ， 2021 ， 3 ： 625 - 644 .

WANG Z H ， HADFIELD S ， JIANG Z ， et al . Quantum approximate optimization algorithm for MaxCut： a Fermionic view ［J］. Physical Review A ， 2018 ， 97 （ 2 ）： 022304 .

张永斌，张漫，王主丁，等 . 高中压配电网网架结构协调规划方案［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 63 - 70 .

ZHANG Yongbin ， ZHANG Man ， WANG Zhuding ， et al . Coordinated planning scheme for grid structure of high-and medium-voltage distribution network ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 63 - 70 .

BESTUZHEVA K ， HIJAZI H ， COFFRIN C . Convex relaxations for quadratic on/off constraints and applications to optimal transmission switching ［J］. INFORMS Journal on Computing ， 2020 ， 32 （ 3 ）： 682 - 696 .

CAI W ， LI X ， MALEKI A ， et al . Optimal sizing and location based on economic parameters for an off-grid application of a hybrid system with photovoltaic， battery and diesel technology ［J］. Energy ， 2020 ， 201 ： 117480 .

毕皓淳，祁琪，刘向军，等 . 计及5G基站运行协同的分布式储能优化配置方法［J/OL］. 电工技术学报［ 2023-07-03 ］. https：//doi.org/10.19595/j.cnki.1000-6753.tces.231450 https://doi.org/10.19595/j.cnki.1000-6753.tces.231450 .

BI Haochun ， QI Qi ， LIU Xiangjun ， et al . An optimal configuration method for des considering coordinated operation of 5G base station ［J/OL］. Transactions of China Electrotechnical Society ［ 2023-07-03 ］. https：//doi.org/10.19595/j.cnki.1000-6753.tces.231450 https://doi.org/10.19595/j.cnki.1000-6753.tces.231450 .

HOLZER J T ， CHEN Y H ， WU Z Y ， et al . Fast simultaneous feasibility test for security constrained unit commitment ［J］. IEEE Transactions on Power Systems ， 2024 ， 39 （ 1 ）： 1068 - 1078 .

KHEDERZADEH M ， ZANDI S . Enhancement of distribution system restoration capability in single/multiple faults by using microgrids as a resiliency resource ［J］. IEEE Systems Journal ， 2019 ， 13 （ 2 ）： 1796 - 1803 .

HAN X T ， ZHANG Y J . Decomposition-coordination-based voltage control for high photovoltaic-penetrated distribution networks under cloud-edge collaborative architecture ［J/OL］. International Transactions on Electrical Energy Systems ［ 2023-07-03 ］. https：//doi.org/10.1155/2022/7280220 https://doi.org/10.1155/2022/7280220 .

闫东翔，陈玥 . 共享储能商业模式和定价机制研究综述［J］. 电力系统自动化， 2022 ， 46 （ 23 ）： 178 - 191 .

YAN Dongxiang ， CHEN Yue . Review on business model and pricing mechanism for shared energy storage ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 23 ）： 178 - 191 .

杨奇，王丹，何伟，等 . 基于社会清洁福利最大化的电热联合双边竞价市场出清优化策略研究［J］. 电力系统保护与控制， 2021 ， 49 （ 14 ）： 112 - 122 .

YANG Qi ， WANG Dan ， HE Wei ， et al . Research on clearing optimization of electricity-heat coordinated double auction market based on social clean welfare maximization ［J］. Power System Protection and Control ， 2021 ， 49 （ 14 ）： 112 - 122 .

黄煜，徐青山，夏元兴，等 . 考虑自适应传输备用的含风电电力系统双层随机调度方法［J］. 电力系统自动化， 2021 ， 45 （ 20 ）： 29 - 37 .

HUANG Yu ， XU Qingshan ， XIA Yuanxing ， et al . Bi-level stochastic scheduling method for power system with wind power considering adaptive transmission reserve ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 20 ）： 29 - 37 .

AVRON J ， CASPER O ， ROZEN I . Quantum advantage and noise reduction in distributed quantum computing ［J］. Physical Review A ， 2021 ， 104 （ 5 ）： 052404 .

HAMILTON K E ， SCHUMAN C D ， YOUNG S R ， et al . Accelerating scientific computing in the post-moore’s era ［J］. ACM Transactions on Parallel Computing ， 2020 ， 7 （ 1 ）： 6 .

WANG H R ， LIU P Y ， CHENG J L ， et al . QuEst： graph transformer for quantum circuit reliability estimation ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2210.16724 https://arxiv.org/abs/2210.16724 .

WU B . What is quantum？［M］. Singapore， Singapore ： Springer Nature Singapore ， 2023 .

BACHMANN S ， DE ROECK W ， FRAAS M . Adiabatic theorem for quantum spin systems ［J］. Physical Review Letters ， 2017 ， 119 （ 6 ）： 060201 .

KUSYK J ， SAEED S M ， UYAR M U . Survey on quantum circuit compilation for noisy intermediate-scale quantum computers： artificial intelligence to heuristics ［J］. IEEE Transactions on Quantum Engineering ， 2021 ， 2 ： 2501616 .

TAKAGI R ， ENDO S ， MINAGAWA S ， et al . Fundamental limits of quantum error mitigation ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2109.04457 https://arxiv.org/abs/2109.04457 .

LIAO C T ， BAHRANI S ， DA SILVA F F ， et al . Benchmarking of quantum protocols ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2111.02527 https://arxiv.org/abs/2111.02527 .

AVITABILE M ， CIRILLO G A ， SIMONI M ， et al . Development of a multi-technology， template-based quantum circuits compilation toolchain ［J］. Quantum Information Processing ， 2022 ， 21 （ 11 ）： 379 .

ARUFE L ， GONZÁLEZ M A ， ODDI A ， et al . Quantum circuit compilation by genetic algorithm for quantum approximate optimization algorithm applied to MaxCut problem ［J］. Swarm and Evolutionary Computation ， 2022 ， 69 ： 101030 .

CAI Z Y . Quantum error mitigation using symmetry expansion ［J］. Quantum ， 2021 ， 5 ： 548 .

GONZALES A ， SHAYDULIN R ， SALEEM Z H ， et al . Quantum error mitigation by Pauli check sandwiching ［J］. Scientific Reports ， 2023 ， 13 ： 2122 .

BULTRINI D ， GORDON M H ， CZARNIK P ， et al . Unifying and benchmarking state-of-the-art quantum error mitigation techniques ［J］. Quantum ， 2023 ， 7 ： 1034 .

ERHARD A ， WALLMAN J J ， POSTLER L ， et al . Characterizing large-scale quantum computers via cycle benchmarking ［J］. Nature Communications ， 2019 ， 10 ： 5347 .

EISERT J ， HANGLEITER D ， WALK N ， et al . Quantum certification and benchmarking ［J］. Nature Reviews Physics ， 2020 ， 2 ： 382 - 390 .

LUBASCH M ， JOO J ， MOINIER P ， et al . Variational quantum algorithms for nonlinear problems ［J］. Physical Review A ， 2020 ， 101 ： 010301 .

BHARTI K ， CERVERA-LIERTA A ， KYAW T ， et al . Noisy intermediate-scale quantum （NISQ） algorithms ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2101.08448 https://arxiv.org/abs/2101.08448 .

高倩，杨知方，李文沅 . 电力系统混合整数线性规划问题的运筹决策关键技术综述与展望［J/OL］. 电工技术学报［ 2023-07-03 ］. https：//doi.org/10.19595/j.cnki.1000-6753.tces.230478 https://doi.org/10.19595/j.cnki.1000-6753.tces.230478 .

GAO Qian ， YANG Zhifang ， LI Wenyuan . prospect on operations research for mixed-integer linear programming problems in power systems ［J/OL］. Transactions of China Electrotechnical Society ［ 2023-07-03 ］. https：//doi.org/10.19595/j.cnki.1000-6753.tces.230478 https://doi.org/10.19595/j.cnki.1000-6753.tces.230478 .

XIA R X ， BIAN T ， KAIS S . Electronic structure calculations and the Ising Hamiltonian ［J/OL］. Journal of Physical Chemistry B Condensed Matter Materials Surfaces Interfaces & Biophysical ［ 2023-07-03 ］. https：//pubs.acs.org/doi/full/10.1021/acs.jpcb.7b10371 https://pubs.acs.org/doi/full/10.1021/acs.jpcb.7b10371 .

ZHU J A ， GAO Y H ， WANG H R ， et al . A realizable GAS-based quantum algorithm for traveling salesman problem ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2212.02735 https://arxiv.org/abs/2212.02735 .

FITZEK D ， GHANDRIZ T ， LAINE L ， et al . Applying quantum approximate optimization to the heterogeneous vehicle routing problem ［EB/OL］. ［ 2023-07-03 ］. https：//dl.acm.org/doi/book/10.5555/AAI29290634 https://dl.acm.org/doi/book/10.5555/AAI29290634 .

潘文杰，李志强，杨辉 . QAOA最大切割问题的类Dijkstra优化及实现［J］. 计算机应用研究， 2023 ， 40 （ 2 ）： 378 - 382 .

PAN Wenjie ， LI Zhiqiang ， YANG Hui . QAOA maximum cutting problem analogous to Dijkstra optimization and implementation ［J］. Application Research of Computers ， 2023 ， 40 （ 2 ）： 378 - 382 .

TANG C H ， XU J ， TAN Y S ， et al . Lagrangian relaxation with incremental proximal method for economic dispatch with large numbers of wind power scenarios ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 4 ）： 2685 - 2695 .

PENG J K ， FAN B ， LIU W X . Penalty-based distributed optimal control of DC microgrids with enhanced current regulation performance ［J］. IEEE Transactions on Circuits and Systems I： Regular Papers ， 2022 ， 69 （ 7 ）： 3026 - 3036 .

BOETTCHER S . Analysis of the relation between quadratic unconstrained binary optimization and the spin-glass ground-state problem ［J］. Physical Review Research ， 2019 ， 1 （ 3 ）： 033142 .

KANDALA A ， MEZZACAPO A ， TEMME K ， et al . Hardware-efficient variational quantum eigensolver for small molecules and quantum magnets ［J］. Nature ， 2017 ， 549 ： 242 - 246 .

ALBASH T ， LIDAR D A . Adiabatic quantum computation ［J］. Reviews of Modern Physics ， 2018 ， 90 ： 015002 .

FARHI E ， GOLDSTONE J ， GUTMANN S . A quantum approximate optimization algorithm ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/1411.4028 https://arxiv.org/abs/1411.4028 .

MAHROO R ， KARGARIAN A . Hybrid quantum-classical unit commitment ［C］// 2022 IEEE Texas Power and Energy Conference （TPEC）， February 28-March 1 ， 2022 ， College Station， USA .

ULLAH M H ， ESKANDARPOUR R ， ZHENG H H ， et al . Quantum computing for smart grid applications ［J］. IET Generation ， Transmission & Distribution， 2022 ， 16 （ 21 ）： 4239 - 4257 .

FENG F ， ZHANG P ， BRAGIN M A ， et al . Novel resolution of unit commitment problems through quantum surrogate Lagrangian relaxation ［J］. IEEE Transactions on Power Systems ， 2023 ， 38 （ 3 ）： 2460 - 2471 .

HALFFMANN P ， HOLZER P ， PLOCIENNIK K ， et al . A quantum computing approach for the unit commitment problem ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2212.06480 https://arxiv.org/abs/2212.06480 .

NIKMEHR N ， ZHANG P ， BRAGIN M A . Quantum distributed unit commitment： an application in microgrids ［J］. IEEE Transactions on Power Systems ， 2022 ， 37 （ 5 ）： 3592 - 3603 .

JING H ， WANG Y ， LI Y . Data-driven quantum approximate optimization algorithm for power systems ［J］. Communications Engineering ， 2023 ， 2 ： 12 .

CROSSON E ， FARHI E ， LIN C Y Y ， et al . Different strategies for optimization using the quantum adiabatic algorithm ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/1401.7320 https://arxiv.org/abs/1401.7320 .

KORETSKY S ， GOKHALE P ， BAKER J M ， et al . Adapting quantum approximation optimization algorithm （QAOA） for unit commitment ［C］// 2021 IEEE International Conference on Quantum Computing and Engineering （QCE）， October 17-22 ， 2021 ， Broomfield， USA .

段孟环，李志强，郭玲玲 . 量子近似优化算法在最大独立集中的应用［J］. 计算机应用研究， 2023 ， 40 （ 9 ）： 2646 - 2649 .

DUAN Menghuan ， LI Zhiqiang ， GUO Lingling . Application of quantum approximate optimization algorithm in max independent set problem ［J］. Application Research of Computers ， 2023 ， 40 （ 9 ）： 2646 - 2649 .

GUERRESCHI G G ， MATSUURA A Y . QAOA for Max Cut requires hundreds of qubits for quantum speed-up ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/1812.07589 https://arxiv.org/abs/1812.07589 .

REBENTROST P ， SCHULD M ， WOSSNIG L ， et al . Quantum gradient descent and Newton’s method for constrained polynomial optimization ［J］. New Journal of Physics ， 2019 ， 21 （ 7 ）： 073023 .

KERENIDIS I ， PRAKASH A . Quantum gradient descent for linear systems and least squares ［J］. Physical Review A ， 2020 ， 101 （ 2 ）： 022316 .

CHAKRABARTY A ， DANIELSON C ， BORTOFF S A ， et al . Accelerating self-optimization control of refrigerant cycles with Bayesian optimization and adaptive moment estimation ［J］. Applied Thermal Engineering ， 2021 ， 197 ： 117335 .

LIU Q C ， BELLER S ， LEI W J ， et al . Pre-conditioned BFGS-based uncertainty quantification in elastic full-waveform inversion ［J］. Geophysical Journal International ， 2021 ， 228 （ 2 ）： 796 - 815 .

LIU Y ， CHONG G S ， HEIDARI A A ， et al . Horizontal and vertical crossover of Harris hawk optimizer with Nelder-Mead simplex for parameter estimation of photovoltaic models ［J］. Energy Conversion and Management ， 2020 ， 223 ： 113211 .

ZHUANG Y W ， GAO K ， MIU X H ， et al . Infrared and visual image registration based on mutual information with a combined particle swarm optimization-Powell search algorithm ［J］. Optik ， 2016 ， 127 （ 1 ）： 188 - 191 .

ELSHEIKH A H ， ABD ELAZIZ M . Review on applications of particle swarm optimization in solar energy systems ［J］. International Journal of Environmental Science and Technology ， 2019 ， 16 （ 2 ）： 1159 - 1170 .

PETRA N ， PETRA C ， ZHANG Z ， et al . A Bayesian approach for parameter estimation with uncertainty for dynamic power systems ［J］. IEEE Transactions on Power Systems ， 2017 ， 32 （ 4 ）： 2735 - 2743 .

PELLOW-JARMAN A ， SINAYSKIY I ， PILLAY A ， et al . A comparison of various classical optimizers for a variational quantum linear solver ［J］. Quantum Information Processing ， 2021 ， 20 （ 6 ）： 202 .

ARUTE F ， ARYA K ， BABBUSH R ， et al . Quantum supremacy using a programmable superconducting processor ［J］. Nature ， 2019 ， 574 ： 505 - 510 .

VAN DEN BERG E ， MINEV Z K ， KANDALA A ， et al . Probabilistic error cancellation with sparse Pauli-Lindblad models on noisy quantum processors ［J］. Nature Physics ， 2023 ， 19 ： 1116 - 1121 .

IBM . IBM Quantum ［EB/OL］. ［ 2023-07-03 ］. https：//quantum-computing.ibm.com/ https://quantum-computing.ibm.com/ .

GOOGLE . Quantum Al ［EB/OL］. ［ 2023-07-03 ］. https：//quantumai.google/ https://quantumai.google/ .

D-WAVE . D-Wave leap ［EB/OL］. ［ 2023-07-03 ］. https：//cloud.dwavesys.com/ https://cloud.dwavesys.com/ .

QUERA . IQuEra ［EB/OL］. ［ 2023-07-03 ］. https：//www.quera.com/ https://www.quera.com/ .

QUANTUM O . Origin quantum ［EB/OL］. ［ 2023-07-01 ］. https：//originqc.com.cn/ https://originqc.com.cn/ .

IonQ . IonQ ［EB/OL］. ［ 2023-07-03 ］. https：//ionq.com/ https://ionq.com/ .

ZHANG R Z ， WANG G M ， JOHNSON P . Computing ground state properties with early fault-tolerant quantum computers ［J］. Quantum ， 2022 ， 6 ： 761 .

EGGER D J ， MAREČEK J ， WOERNER S . Warm-starting quantum optimization ［J］. Quantum ， 2021 ， 5 ： 479 .

PENG T Y ， HARROW A ， OZOLS M ， et al . Simulating large quantum circuits on a small quantum computer ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/1904.00102 https://arxiv.org/abs/1904.00102 .

TANG W ， TOMESH T ， LARSON J ， et al . CutQC： using small quantum computers for large quantum circuit evaluations extended abstract ［EB/OL］. ［ 2023-07-03 ］. https：//arxiv.org/abs/2012.02333 https://arxiv.org/abs/2012.02333 .

HUGGINS W J ， O’GORMAN B A ， RUBIN N C ， et al . Unbiasing Fermionic quantum Monte Carlo with a quantum computer ［J］. Nature ， 2022 ， 603 ： 416 - 420 .

BERMEJO P ， ORÚS R . Variational quantum non-orthogonal optimization ［J］. Scientific Reports ， 2023 ， 13 ： 9840 .

NI Z C ， LI S ， DENG X W ， et al . Beating the break-even point with a discrete-variable-encoded logical qubit ［J］. Nature ， 2023 ， 616 ： 56 - 60 .

ACHARYA R ， ALEINER I ， ALLEN R ， et al . Suppressing quantum errors by scaling a surface code logical qubit ［J］. Nature ， 2023 ， 614 ： 676 - 681 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Partitioning Model and Qubit Expansion Method for Power Grid Blackout Based on Optical Quantum Computers

Transient Frequency Safety Assessment Based on Independent Spatial-temporal Feature Extraction and Grouped Enhancement

Marginal Carbon Emission Factors in Multiple Time Periods and Analysis of Their Uncertainties

Related Author

LIU Chengjun

LOU Qi

XU Yijun

GU Wei

WEN Kai

MA Yin

WANG Delin

TIAN Hongxun

Related Institution

School of Electrical Engineering, Southeast University

Beijing QBoson Quantum Technology Co., Ltd.

State Grid Corporation of China

State Grid Shanxi Electric Power Company

Research Institute for New Power System Markets of Shanxi

⁰