Квантовый отжиг сокращает время создания тестовых примеров для сложных киберфизических систем
Квантовые вычисления открывают потенциал для решения сложных вычислительных задач, особенно в таких областях, как моделирование и оптимизация. Несмотря на это обещание, современные квантовые устройства на основе вентилей остаются ограниченными в масштабах и надежности, что ограничивает их практическое использование. В этом контексте квантовый отжиг (QA) становится жизнеспособной и доступной в настоящее время альтернативой решению задач оптимизации, поскольку он использует адиабатическую квантовую эволюцию для эффективного исследования больших и сложных пространств поиска. Это делает его естественным кандидатом для тестирования программного обеспечения на основе поиска в области киберфизических систем (CPS), которая требует эффективных тестовых примеров из-за их сложности и сочетания непрерывных и дискретных областей. В этой работе исследуется использование квантового отжига для улучшения генерации тестовых примеров для CPS с помощью подхода, основанного на мутациях. Мы используем квантовый отжиг для выявления областей тестовых примеров, которые можно улучшить, и применяем мутации к этим областям. Мы кодируем мутацию тестовых примеров как задачу двоичной оптимизации и используем квантовый отжиг для выявления критических областей тестовых сценариев и их улучшения. Наш подход механизирует этот процесс в алгоритме, который использует квантовый отжиг D-Wave для поиска решения. В качестве основного вклада мы предлагаем понимание того, как квантовый отжиг может улучшить методологии тестирования, эмпирически оценивая корреляцию между размером проблемы, аппаратными ограничениями и эффективностью результатов. Кроме того, мы сравниваем предлагаемый метод с современными классическими алгоритмами оптимизации, ориентируясь на эффективность (время создания тестовых примеров) и результативность (скорость обнаружения ошибок). Наши результаты показывают, что квантовый отжиг может обеспечить более быструю генерацию тестовых примеров (когда применяются стратегии декомпозиции проблемы, выборки и планирования), одновременно достигая производительности обнаружения ошибок, сравнимой с современными альтернативами.
## В чем суть открытия Исследователи используют квантовый отжиг для создания тестовых примеров для киберфизических систем, превращая тестовую мутацию в задачу двоичной оптимизации, чтобы ускорить генерацию, сохраняя при этом высокий уровень обнаружения ошибок. ## Как это устроено: принцип работы Этот подход кодирует мутацию тестового примера как задачу двоичной оптимизации, которая напрямую отображается на аппаратном обеспечении квантового отжига. Используя адиабатическую квантовую эволюцию наряду со стратегиями декомпозиции задач и планирования, алгоритм быстро ищет многомерные непрерывные дискретные пространства состояний для определения критических тестовых областей. Это позволяет квантовому оборудованию идентифицировать высокоприоритетные варианты тестов быстрее, чем классические эвристики поиска. ## Что это меняет на практике Обеспечивает практическое краткосрочное применение коммерческих квантовых отжигателей, позволяя командам аэрокосмической отрасли, автономным транспортным средствам и робототехнике ускорить строгие испытания на безопасность в течение 1–3 лет. ## Границы метода и риски Прирост производительности во многом зависит от специализированных стратегий декомпозиции, выборки и планирования задач, позволяющих обойти физические ограничения связи кубитов и ограничения аппаратного шума. ## Результаты и доказательства - **Комплексный скор значимости:** 9.5 / 10.0 - **Уровень доказательности:** программный бенчмарк и верификация - **Бенчмарки и прирост:** Test case generation time (efficiency) and fault detection rate (effectiveness) - **Размер выборки / валидация:** N = CPS test case benchmark scenarios evaluated on D-Wave quantum hardware vs classical optimization algorithms - **Реализация в открытом доступе:** Да (верифицируемый репозиторий кода)