维度网讯，超导量子计算机开发商IQM量子计算机公司（IQM Quantum Computers，纳斯达克代码：IQMX）与德国铁路公司（Deutsche Bahn）联合发表研究，展示了混合量子-经典优化算法在真实运营铁路数据上的执行成果。该研究在IQM的Emerald量子处理器上端到端执行，求解的是机车车辆规划问题——把实体列车单元分配给计划车次，同时最小化运营成本并严格满足维护约束。

双方评估了德国铁路IT子公司DB Systel提供的真实运营数据集，其中含190个计划车次，规划窗口为两天，覆盖科隆、慕尼黑、柏林、法兰克福和汉堡五个德国主要城市。为了让调度问题适配量子执行，IQM把约束映射为冲突图上的最大权重独立集（Maximum-Weight Independent Set, MWIS）问题：图节点是可行的闭环列车循环，每个循环需满足汉堡两小时强制维护停靠和4000公里距离上限；边连接的是服务于同一计划车次的不兼容循环。

全规模循环生成得到的MWIS图包含约98,500个可行循环，这一搜索空间对当前量子处理器而言过大。研究人员设计了量子分而治之框架：经典外层循环迭代提取可管理的子图（例如20个节点），按载客行程密度排序；量子子程序执行深度p=1的量子近似优化算法（Quantum Approximate Optimization Algorithm, QAOA）选出部分解；经典后处理剪枝程序解决冲突选择，在全局图更新之前得到有效的独立集。每轮迭代移除已选中的列车循环，尚未服务的车次进入下一轮继续处理。

实验确认了三个核心结果。第一，混合框架可在当前量子硬件上端到端执行，为真实企业数据集生成可行的高质量调度方案，无需容错量子处理器。

第二，性能随子图规模扩大呈现可预测的扩展趋势。以经典精确求解器作为基准，两者显示出统计显著关系（P=1.04×10⁻⁹）：子图规模增大时，混合框架直接减少的空驶公里数（无乘客的不生产行驶距离）也随之增加。

第三，硬件改进可以被自动利用。当量子处理器在量子比特数、连接性、门保真度方面扩展并能够处理更大子图时，底层算法架构无需结构重新设计即可带来更优调度结果。

这项研究发布时，IQM已于2026年7月在纳斯达克全球精选市场（Nasdaq Global Select Market）和纳斯达克赫尔辛基（Nasdaq Helsinki）挂牌上市，股票代码IQMX。两家机构表示，当前研究侧重确定性的离线规划，分而治之架构未来可适用于实时中断管理，使铁路运营商在意外服务延误期间能够动态重新分配机车车辆。

相关研究的预印本论文已发布在arXiv平台，IQM同步发布了技术白皮书和完整技术案例研究。