近觀其變-

利用ＱＡＯＡ演算法與VQE演算法解決作物產量問題
研究動機
1. 去年IBM 舉辦的Quantum Challenge Africa 2021中有⼀題題目是關於非洲的作物產量問題，藉由量⼦電腦強⼤的計算，尋找最佳的種植⽅式。在這次的挑戰賽中，題目只有指定4種作物，但世
界上的植物有數⼗萬種，根本無法全面通用，所以我們想藉此來設計可以容納更多種的解決⽅法。
2. 在新聞中，我們常常看到農名⼀窩蜂的種植某幾種⽔果，導致作物價格下跌，未符合最⼤利益，所以我們想找出⼀種⽅法，讓農民可以在種植時，可以不用因為某種作物的⼤量種植⽽導致賺
不到錢！
3. 在使用QAOA與VQE演算法運算時，我們發現只要參數調⼤後，運算時間會變得很長，通常需要1小時以上甚⾄更久，如果將其用到現實當中，參數變得更⼤時，恐法無法快速計算出答案，所
以我們想試著去優化這兩個演算法。
研究目的與研究問題
藉由⼆次規劃的問題中，設計如何在有限的⼟地中，利用單種、混合種、搭配推拉作物⽅法找到最佳解決⽅法，並試圖將⼟地範圍與參數變⼤與作物種類變多種，以求能在全球⼤缺糧時代中，尋
找最佳的種植⽅法，讓更多⼈免於饑荒！
優化QAOA和VQE演算法，讓參數變得更⼤時，能夠快速且精準的算出答案！
1、單種－單⼀⼀種作物 2、混合種－兩種或多種作物同時種 3、搭配推拉作物－此⽅法可以減少病蟲害
作物種植最⼤化公式：
2 ×𝑊ℎ𝑒𝑎𝑡 + 𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠 + 4× 𝑀𝑎𝑖𝑧𝑒 + 2.4×𝑊ℎ𝑒𝑎𝑡×𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠 + 4 𝑊ℎ𝑒𝑎𝑡×𝑀𝑎𝑖𝑧𝑒 + 4 𝑊ℎ𝑒𝑎𝑡×𝑃𝑢𝑠ℎ𝑃𝑢𝑙𝑙 + 2 𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠×𝑀𝑎𝑖𝑧𝑒 + 1× 𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠×𝑃𝑢𝑠ℎ𝑃𝑢𝑙𝑙 + 5×𝑀𝑎𝑖𝑧𝑒×𝑃𝑢𝑠ℎ𝑃𝑢𝑙𝑙
限制：
𝑊ℎ𝑒𝑎𝑡 + 𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠 + 𝑀𝑎𝑖𝑧𝑒 + 𝑃𝑢𝑠ℎ𝑃𝑢𝑙𝑙 ≤ 18 參數由1~20
界限：
0 ≤ 𝑊ℎ𝑒𝑎𝑡 ≤ 20 0 ≤ 𝑆𝑜𝑦𝑏𝑒𝑎𝑛𝑠 ≤ 20 0 ≤ 𝑀𝑎𝑖𝑧𝑒 ≤ 20 0 ≤ 𝑃𝑢𝑠ℎ𝑃𝑢𝑙𝑙 ≤ 20
在最⼤化數學式當中，符合間作種植的數據，資料顯示「間作種⽟米比單純種⽟米增收67.52%，間作種⼤⾖比單純種⼤⾖增收81.35%。」我們有實際帶⼊，發現算出的答案跟資料顯示的狀況接近。
但當參數變⼤時，算出的答案與資料顯示的狀況差距越⼤，我們推測應該是這個數學式應該是約略的解。
在三種演算法的結果中，我們發現古典的算法其準確度較⾼，在總種植面積相同時，其種植出來的作物總重量幾乎相同，且在答案的部分古典的解通常是最佳解，QAOA演算法是第⼆名，最後就
是VQE演算法！在運⾏時間中，QAOA演算法的運⾏時間是最短的，在來是VQE演算法，最後是古典的演算法！由此可見QAOA在發展上是較有潛⼒的，在運⾏時間還有答案精確度中，較優於VQE
演算法！
不同演算法作物收成總重的比較 不同演算法作物收成總重的比較 不同演算法運行時間的比較 不同演算法運行時間的比較
作物總收成量（公噸）

18000 18000
7000 680
640
作物總收成量（公噸）

6500 16000 16000

600
6000 560 14000
5500 520 14000
運行秒數（s）

運行秒數（s）
5000 480 12000
440 12000
4500 400
360 10000
4000 10000
3500 320 8000
280
3000 240 8000
2500 200 6000
2000 160 6000
120 4000
1500 80
1000 40 2000 4000
500 0
9 10 11 12 13 14 15 16 17 18 19 20 0 2000
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 0
9 10 11 12 13 14 15 16 17 18 19 20

作物種植面積總合（公頃） qaoa vqe classical qaoa vqe classical

作物種植面積總合（公頃） vqe classical qaoa 作物種植面積總合（公頃） vqe classical qaoa 作物種植面積總合（公頃）

由圖⼀我們發現在QAOA演算法時，只要作物種植面積總和參數低於8時或運用VQE演算法時作物種植面積總和參數低於7時，就會出現作物總收成面積數據異常，例如：當我參數總和設為⼀時，
但算出來的參數總和會⼤於⼀，但古典就沒有出現這個問題。由圖⼆可知，在作物總收成面積中，我們得到的結果是古典的算出來的收成總重量是最好的，VQE演算法則是較差的。

圖三是包含數據有誤的圖表，圖四則是數據沒有問題的圖表。我們看到QAOA的運⾏時間在總種植面積小於15時，秒數看不出來有往上的趨勢，但在15之後，我們看到有逐漸往上的趨勢。在VQE
中也是在15之後才有向上的趨勢，我們推測是誤差太⼤且演算法設計錯誤的關係的關係。在古典中，有逐漸往上的趨勢。沒有包含錯誤數據的圖表中，會發現在QAOA演算法在運⾏時間中表現較佳，
古典與VQE演算法在初期不相上下，但到了後期，古典的運⾏時間的爬升速度較快。
QAOA數學
$
𝐶 𝑧 = ? 𝐶! 𝑧 組合優化問題 期望值
!"#
考慮N個系統組成系綜
8
哈密頓量 1
|𝜙% >→ |𝜙𝒾 >→ |𝜙' >→ ⋯ |𝜙# > 𝑃g ≡ ? |𝜓 < >< 𝜓 < | = ? |𝜓 < >< 𝜓 < |
𝑁
𝑡 𝑡 𝑡 / <"#
𝐻 𝑡 = 1 − 𝐻( + 𝐻) 令τ =
𝑇 𝑇 𝑇 {|𝜓- >}|𝜓 > = ? < 𝜓$ |𝜓 < >< 𝜓 < |𝜓- >
𝐻(τ) = (1 − τ)𝐻( + τ𝐻) τ ∈ [0,1]
/
τ = 0 == 靜止狀態 τ ≠ 0 == 演化狀態 8 8
𝜀 1 1
𝑃$- g - >=
= < 𝜓$ |𝑃|𝜓 < <
? < 𝜓$ |𝜓 >< 𝜓 |𝜓- > = < 𝑎 </
? 𝑎$
𝑇=0 * , 𝑔*𝑚𝑖𝑛 = min 𝐸# 𝑠 − 𝐸% 𝑠 𝑁 𝑁 -
𝑔 𝑚𝑖𝑛 %+,+# <"# <"#
-.# 對角元
𝐻( = ? 𝜎𝒾 / 1
8
1
8
𝑃$- = < </
? 𝑎$ 𝑎- = ? |𝑎-< |*
𝒾"%
|𝜙% > = | +>%| +># … | +>-.# 𝑁 𝑁
<"# <"#
-.#
1 性質
𝐻) = ? 𝐼 − 𝜎𝒾 1 𝜎 𝒿 1 == 𝑀𝑎𝑥𝐶𝑢𝑡哈密頓量 𝜕𝑝 𝜕 1 < <
1 𝜕 < < <
𝜕
2 = ( ? 𝜓 >< 𝜓 ) = ?[ |𝜓 >< 𝜓 | + |𝜓 > < 𝜓 < |]
𝒾𝒿 𝜕𝑡 𝜕𝑡 𝑁 𝑁 𝜕𝑡 𝜕𝑡
$ < /
⃑ 𝛾) 1 1 𝜕 < 𝜕
𝑈 (𝛽, ⃑ = _ 𝑈(𝐻( , 𝛽2 )𝑈(𝐻) , 𝛾2 ) = ?[𝒾ℏ |𝜓 >< 𝜓 | − |𝜓 > (−𝒾ℏ < 𝜓 < |)]
< <
2"# 𝒾ℏ 𝑁 𝜕𝑡 𝜕𝑡
/
𝑈 𝐻( , 𝛽2 = 𝑒 .23! 4" 𝑈(𝐻) , 𝛾2 ) = 𝑒 .23# 5" 1 1
= ?[𝐻|𝜓 q < >< 𝜓 < | − |𝜓 < >< 𝜓 < | 𝐻] q
=>這裡𝛽2 、𝛾2 為量子電路參數 𝒾ℏ 𝑁
⃑ 𝛾⃑ > = 𝑈 (𝛽,
⃑ 𝛾)|𝜙 /
|𝜙# > = |𝛽, ⃑ %> 1 1
=> m為運算次數，當m越大，量子電路效果越好 = [𝐻 q 𝑃g − 𝑃g 𝐻]
q = q 𝑃]
[𝐻, g
8.# 𝒾ℏ 𝒾ℏ
∑'()
𝜕𝑃g 𝜕𝑃g 1
⃑
𝑈 𝛽, 𝛾⃑ = 𝑒 .23! 4" =𝑒 .2 $% & 7𝒾
+4
" = ? 𝑅𝑥 𝑛, 2𝛽
2 = + [𝐻, q 𝑃]
g = 0
𝜕𝑡 𝜕𝑡 𝒾ℏ
-" % q 𝑃]
[𝐻, g = 0
=> Rx 為用Rx閘去操作
𝜕𝑃g
#
.2 ∑",-* 9.7. / ⊗7 . / 5"
5
.2 *"
5
2 *" = 0, 𝑃(g 𝐻)
q
𝑈 𝐻) , 𝛾2 = 𝑒 .23# 5"
= 𝑒 = _𝑒 𝐼._𝑒 𝜎; 1 ⊗ 𝜎 ; 1 𝜕𝑡
;< ;< 計畫延伸：
5
.2 *" 1、利用台灣的種植模型，搭配QAOA演算法來計算如何種植能得到最⼤收成量。
_𝑒 𝐼 為常數 2、優化演算法，因為在參數小時出現問題，我們猜測是演算法的問題。
;<
5 5 3、試圖將⼟地範圍與參數變⼤與作物種類變多種，以求能在全球⼤缺糧時代中，尋找最
2 *" 2 *"
𝑒 0 0 0 𝑒 0 0 0 佳的種植⽅法 。
5 1 0 0 0 5 1 0 0 0
5 .2 *" 0 0 .2 *" 0 0 4、搭配作物的價格波動來計算出如何種植才能將利益最⼤化。
𝑒 2 *"
𝜎; 1 ⊗ 𝜎 ; 1 = 0 𝑒 = 0 1 0 0 0 𝑒 0 1 0 0
5 0 0 1 0 5 0 0 0 1
.2 *" 2 *"
0 0 𝑒 0 0 0 𝑒 0 未來展望：
5 0 0 0 1 5 0 0 1 0
0 0 2 *" 0 0 .2 *"
0 𝑒 0 𝑒 1. 這項⼆次規劃問題，不只可以用在種植規劃，也可以用在⾦融分析如何賺取最多的錢、
= 𝐶𝑁𝑂𝑇 𝑗, 𝑘 𝑅𝑍 𝑘, −𝛾2 𝐶𝑁𝑂𝑇 𝑗, 𝑘 在夜市中，也能夠用來安排位置，達到最⼤利潤化。如果演算法優化成功，也可以加
快運算時間與得到較為精準的答案，讓⼤家可以更⽅便的使用！
參考資料 2. 利用台灣的種植模型與作物種類變多種，搭配QAOA演算法來計算如何種植能得到最
Edward Farhi, Jeffrey Goldstone, Sam Gutmann (2014). A Quantum Approximate. Optimization Algorithm. arXiv, MIT-CTP/4610, 1-16. ⼤收成量。
Retrieved from https://arxiv.org/abs/1411.4028
雨一直下載入史冊。玉米-大豆間作模式，比單純種玉米增收67.52%。Retrieved from https://read01.com/zh-
3. 優化演算法，因為在參數小時出現問題，我們猜測是演算法的問題，也能藉此算得更
tw/J83eodG.html#.YjPWzy9CZQL 快。
張仁瑀、徐育兆、林橋毅、劉子睿、林侑恆、林志鴻(2021)。量子電腦應用與世界級競賽實務。台北市: 一品 4. 搭配作物的價格波動來計算出如何種植
小麥產量國家（https://www.atlasbig.com/zh/小麦产量的国家） 才能將利益最⼤化。
大豆產量最高的國家（https://www.atlasbig.com/zh/大豆产量的国家）
玉米產量最高的國家（https://www.atlasbig.com/zh/玉米产量国家）

張仁瑀、施承宏、尤姿蓉
私立精誠中學