赛道方向
- 赛道一：人工智能大模型融合应用方向。面向 LLM、视觉语义模型、具身智能 VLA、世界模型等，进行算子优化、模型压缩、训练和推理加速、量子算法迁移和量子-经典混合框架构建。
- 赛道二：AI for Science 科学计算方向。面向生命机理解析、药物发现、材料计算等场景，进行分子生成、靶点发现、基因分析、蛋白质结构预测、新材料设计、催化反应模拟等量子创新算法构建。
- 赛道三：行业复杂决策模型创新方向。面向交通、物流、能源、金融等行业，进行能源规划、电力调度、金融风控、物流决策、制造提效等量子解决方案构建。
学生组目标
学生组以模型建立、算法实现、真机验证为核心竞赛目标，重点关注场景问题与量子计算。参赛团队需自主选取三个赛道中的任意场景，针对某一具体问题构造组合优化模型。
- 阐述实际场景及关键问题，构建需求模型，明确约束条件、优化目标及评价指标。
- 将问题模型转化为 QUBO 模型，完成哈密顿量构造与参数映射，或利用玻尔兹曼分布采样优势解决复杂采样训练难点。
- 基于 Kaiwu SDK 内置模拟退火求解器完成验证，验证成功后使用量子真机求解并对比分析。
- 与遗传算法、粒子群优化、分支定界法等经典解法进行精度、效率、稳定性等多维度对比。
专业组目标
专业组以场景发现为核心目标，重点关注真实业务场景与量子计算机的结合应用。参赛团队可结合企业业务背景设计场景，完成研究计划报告，推动量子算力在业务中实用化。
- 明确具体任务目标，如提升模型精度、降低训练时间、降低显存功耗、提升资源利用率或调度效率。
- 说明问题是否能形式化为离散优化、二值决策、图优化、组合搜索、QUBO、Ising、Max-Cut、SAT 或 Assignment 等问题。
- 提供真实或脱敏后的数据集，并说明数据规模、样本数量、图规模、特征维度、时间跨度、数据格式和稳定性。
- 说明已有模型、当前求解方案与瓶颈，以及实际系统约束和期望验证方式。
提交要求与注意事项
- 论文正文为 PDF，篇幅控制在 15-25 页，内容包含摘要、问题阐述、场景分析、数据集介绍、QUBO 建模或 KPP 调用思路、结果对比和结论展望。
- 核心代码以 Python 3.10 为主，包含 QUBO 模型构建、Kaiwu SDK 求解和经典算法实现，并添加详细注释。
- 提交数据集、求解结果、中间结果、迭代曲线、对比结果表格和数据说明文档。
- 必须先使用 Kaiwu SDK 中的 SA 模拟退火算法完成前期验证，再使用专用量子计算机真机进行求解。