本週新聞
本週的量子研究領域持續活躍，多篇新論文探討了量子優化、量子機器學習及量子錯誤更正等主題。
產業動態方面：
- IBM 與研究合作夥伴達成三項量子計算里程碑，顯示其在量子技術領域的持續進展（來源：富途牛牛）。
- Oracle 在量子計算相關類股中領漲，反映市場對量子技術的關注（來源：Moomoo）。
- Quantum Computing Inc.（QUBT.US）目標價維持在 22 美元，顯示市場對該公司的期待（來源：Moomoo）。
下週值得關注的方向包括量子機器學習在實際應用中的進展，以及與傳統計算方法的比較。
精選論文
Cooperative Platoon Routing and Dispatching via Edge-Assisted Hybrid Quantum Optimization
提出邊緣輔助的閉環評估流程，將車隊協同路由問題轉換為 QUBO 表述，模擬顯示可降低自駕車隊 18.5% 的牽引能耗（來源：arXiv:2608.00524，尚未經同行審查）。Quantum machine learning interatomic potential: Application of variational quantum algorithm
將量子電路學習應用於分子間位能的機器學習模型，以量子遷移學習重新訓練 ANI 模型，在特定條件下準確度略優於純古典模型（來源：arXiv:2607.27841，尚未經同行審查）。PACE-QAOA: Physics-Constrained Quantum Optimization for Qubit-Efficient Power System Islanding
提出物理資訊編碼的混合量子優化方法，處理電網孤島劃分問題，於 8 個 IEEE 測試系統（9–89 匯流排）上驗證可行性（來源：arXiv:2608.02789，尚未經同行審查）。Oraqle: An Empirical Analysis of Qubit Readout and Discriminators in Quantum Error Correction
分析量子錯誤更正中讀取（readout）與判別器對解碼效能的影響（來源：arXiv:2608.01939，尚未經同行審查）。Quantum annealers as programmable thermal machines
將 D-Wave 量子退火機視為封閉熱力學循環，探討其運算過程中的能量交換行為（來源：arXiv:2608.04564，尚未經同行審查）。
論文文獻精讀
本週精讀：Cooperative Platoon Routing and Dispatching via Edge-Assisted Hybrid Quantum Optimization（Talha Azfar, Ruimin Ke，arXiv:2608.00524，尚未經同行審查）
這篇論文處理自動駕駛車隊的節能路由問題：透過路側單元監測交通狀況，只在車流穩定的路段啟動車隊協同（platooning），並將路由決策表述為二元二次無約束優化（QUBO）問題，讓車輛間的交互作用能直接對應到量子伊辛模型（Ising）的耦合項。
在美國紐約州 Troy 市的模擬中，此方法相較於無協同的基準情境，減少了 18.5% 的車隊牽引能耗。作者也在 IBM 量子硬體上實測，發現採用鏈狀架構的 QAOA（Linear-Chain QAOA）相較於密集連接的 QAOA，可將雙量子位元 CNOT 閘的電路深度降低 66.7%，在淺電路深度下仍維持一定的最優解取樣成功率。
這篇論文的意義在於：結合邊緣運算的即時交通感知與淺層量子演算法，為近期量子硬體（NISQ 世代）在真實世界車隊調度場景中的應用，提供了一條可行的路徑。