最適化問題は、@quipnetworkが最初の商業的ターゲットとして挙げている。これは、既存のハードウェアにマッピング可能であり、すでにソルバーに費用をかけている業界で発生するからである。 車両ルーティング、工場スケジューリング、ポートフォリオ構築、および特定の機械学習サブルーチンは、二次無制約二値最適化またはイジングモデルとして記述できる。 量子アニーリング装置は、このクラスのために数年間市場で販売されてきた。一方、古典的なMIPソルバー、ヒューリスティック、GPU加速ローカルサーチは依然として強力な基準を維持している。 分散型マーケットプレイスは、基本的な数学を変えるものではない。 それは調達方法を変える。予約済みのQPU割当やオンプレミスクラスターではなく、ユーザーがジョブと入札を提出し、市場がクリアされれば検証済みの回答を受け取る。 したがって、洞察に富んだ評価は、検証オーバーヘッド、データ移動コスト、そして勝者となるソルバーが量子ではなく、チューニングされた古典的手法である可能性というリスクを含む、所有総コストに焦点を当てる。 量子デバイスが候補を提案し、古典デバイスがそれらを洗練するハイブリッドパイプラインは、このプロジェクトが明示するアーキテクチャと一致している。