算力规模扩张

随着大模型蓬勃发展，智算中心、通用服务器以及边缘设备构成大规模异构算力网络，东数西算工程进一步扩大算力部署规模。

组合爆炸加剧

算力调度主要根据任务优先级、时延需求、能耗约束，把AI训练和推理任务分配至合适节点。当算力节点数量增多、任务规模增大，任务-节点匹配方案大幅增加，出现组合爆炸问题。

传统算法受限

传统优化算法难以兼顾负载均衡、能耗和传输时延，容易陷入局部最优，造成部分算力资源闲置浪费，无法满足海量任务实时高效调度的现实需求。

QUBO建模 · 构建组合优化模型

构建二次无约束优化（QUBO）模型，将复杂任务分配问题统一转化为离散组合优化模型，并结合负载均衡目标函数与约束惩罚机制，实现任务调度过程的数学化表达，在保证任务唯一分配约束的同时，提高资源利用效率和调度方案可解释性，为复杂计算任务的智能调度提供优化基础。

多轮迭代寻优 · 优化多机任务调度

构建新型多机任务调度优化体系，通过量子算法对离散能量空间进行多轮迭代寻优，搜索满足约束条件下的全局近优任务分配方案，突破经典贪心算法易陷入局部最优的限制。

🔬

QUBO优化调度

+11.3%

makespan提升

QUBO求得makespan=71,提升11.3%；

QUBO稳定收敛均值达71，提升27.3%

📈

接近最优解 · 约束零违规

0.47%

接近理论最优解

QUBO结果距理论下界(70.67)仅差0.47%,约束零违规；

QUBO框架无需定制算法即打平专家级启发式(71=71)，4.02秒内完成(60变量/20约束/40轮退火）。

量子优化调度 · 提升算力利用率

专用量子计算利用量子并行优势改善组合爆炸问题，跳出局部最优解，快速完成任务-节点近优解匹配，在兼顾时延、能耗和服务器负载的前提下提升算力利用率，减少资源浪费。

💊