Los problemas de optimización son el primer objetivo comercial listado por @quipnetwork porque se ajustan a hardware que ya existe y porque aparecen en industrias que ya gastan dinero en solucionadores. La ruta de vehículos, la programación de fábricas, la construcción de carteras y ciertas subrutinas de aprendizaje automático pueden expresarse como optimización binaria cuadrática sin restricciones o modelos de Ising. Los annealers cuánticos han sido comercializados durante años exactamente para esta clase de problemas; los solucionadores MIP clásicos, las heurísticas y la búsqueda local acelerada por GPU siguen siendo líneas de base sólidas. Un mercado descentralizado no cambia las matemáticas subyacentes. Cambia la adquisición: en lugar de una asignación reservada de QPU o un clúster local, el usuario envía un trabajo y una oferta, y recibe una respuesta verificada si el mercado se liquida. Por lo tanto, una evaluación perspicaz se centra en el costo total de propiedad, incluyendo la sobrecarga de verificación, el costo de movimiento de datos y el riesgo de que el solucionador ganador sea un método clásico bien ajustado en lugar de uno cuántico. Las tuberías híbridas, en las que un dispositivo cuántico propone candidatos y un dispositivo clásico los pulisce, son coherentes con la arquitectura declarada del proyecto.