क्वांटम कंप्यूटिंग के माध्यम से ‘ट्रैवलिंग सेल्समैन प्रॉब्लम’ का समाधान

कंप्यूटर विज्ञान के क्षेत्र में एक क्लासिक एल्गोरिदमिक समस्या, ट्रैवलिंग सेल्समैन प्रॉब्लम (TSP), संयोजकीय अनुकूलन समस्या का प्रमुख उदाहरण है।

TSP वास्तव में क्या है? यह गणितीय क्लासिक N शहरों को ठीक एक बार यात्रा करने और मूल शहर पर वापस लौटने के सबसे छोटे संभव मार्ग को खोजने में शामिल है। हालांकि, जैसे-जैसे शहरों की संख्या बढ़ती है, संभावित मार्गों की संख्या और इष्टतम समाधान खोजने का गणना समय भी बढ़ता है। जबकि इस समस्या को अनुमानित विधियों से हल किया जा सकता है, क्वांटम कंप्यूटर बहुत बेहतर समाधान और बहुत तेज़ी से प्रदान कर सकते हैं। 

यह वही है जो सैद्धांतिक भौतिक विज्ञानी प्रो. डॉ. जेंस ईसर्ट की टीम ने प्रदर्शित किया: कि ऐसी समस्याओं को क्वांटम कंप्यूटरों के साथ बेहतर और तेज़ी से हल किया जा सकता है।

क्वांटम कंप्यूटिंग हार्डवेयर और एल्गोरिदम का उपयोग करता है जो क्वांटम मैकेनिक्स का लाभ उठाकर जटिल समस्याओं को पारंपरिक, जिसमें सुपरकम्प्यूटर भी शामिल हैं, की पहुंच से बाहर हल करता है। उनकी शक्ति के बावजूद, सुपरकम्प्यूटर—हजारों CPU और GPU कोर वाले विशाल क्लासिकल कंप्यूटर—20वीं सदी की ट्रांज़िस्टर तकनीक पर निर्भर होने के कारण उच्च जटिलता वाली समस्याओं को हल करने में सीमित होते हैं। 

यहीं पर क्वांटम भौतिकी काम आती है। क्लासिकल कंप्यूटर, जो जानकारी को बाइनरी बिट्स (0 और 1) में एन्कोड करते हैं, के विपरीत, क्वांटम कंप्यूटर क्वांटम बिट्स या क्यूबिट्स का उपयोग करके बहु-आयामी क्वांटम एल्गोरिदम चलाते हैं। 

इसके अलावा, पारंपरिक कंप्यूटरों के विपरीत, जो ठंडक के लिए फैन का उपयोग करते हैं, क्वांटम कंप्यूटरों को उनके क्वांटम प्रोसेसर को अत्यंत ठंडे तापमान पर बनाए रखना पड़ता है ताकि उनके क्वांटम स्थितियों को बनाए रखा जा सके। यह सुपर-कोल्ड सुपरफ्लुइड्स के माध्यम से प्राप्त किया जाता है। 

सुपरकंडक्टर्स ऐसे पदार्थ हैं जो एक महत्वपूर्ण क्वांटम मैकेनिकल प्रभाव प्रदर्शित करते हैं, जिससे इलेक्ट्रॉनों को बिना प्रतिरोध के उनके माध्यम से गुजरने की अनुमति मिलती है। जैसे ही इलेक्ट्रॉन गुजरते हैं, वे जोड़े बनाते हैं ताकि बाधाओं के पार चार्ज ले जा सकें। जब दो सुपरकंडक्टर्स को इंसुलेटर के दोनों ओर रखा जाता है, तो एक जोसेफसन जंक्शन बनता है, जिसका उपयोग सुपरकंडक्टिंग क्यूबिट्स को संचालित करने के लिए किया जाता है।  

क्यूबिट का उपयोग उसकी क्वांटम जानकारी को सुपरपोज़िशन की स्थिति में रखने के महत्वपूर्ण कार्य में किया जाता है, जो क्यूबिट की संभावित कॉन्फ़िगरेशन का संयोजन है। सुपरपोज़िशन में क्यूबिट्स के समूह जटिल, बहु-आयामी गणनात्मक स्थान बना सकते हैं जहाँ जटिल समस्याओं को प्रतिनिधित्व किया जा सकता है।

यहाँ, दो क्यूबिट्स के एंटैंगलमेंट द्वारा, एक में परिवर्तन सीधे दूसरे को प्रभावित कर सकता है, जबकि जब इन एंटैंगल्ड क्यूबिट्स को सुपरपोज़िशन की स्थिति में रखा जाता है, तो हमें बहुत सारी संभावनाएँ मिलती हैं। क्वांटम कंप्यूटर पर गणना सभी संभावित गणनात्मक स्थितियों की सुपरपोज़िशन तैयार करके की जाती है, और हस्तक्षेप के माध्यम से समाधान पाए जाते हैं।

बिल्कुल, कई क्यूबिट्स वाले क्वांटम कंप्यूटर का निर्माण एक बहुत जटिल प्रक्रिया है, हालांकि कई विधियों की खोज की जा रही है कि ऐसे कंप्यूटर क्या हासिल कर सकते हैं। 

Eisert के अनुसार, जो हेल्महोल्ट्ज़-ज़ेंटर बर्लिन (HZB) में एक संयुक्त अनुसंधान समूह और सार्वजनिक अनुसंधान विश्वविद्यालय फ्राइ यूनिवर्सिटीट बर्लिन के नेतृत्व करते हैं:

“इस बारे में बहुत सारी मिथ्याएँ हैं, और कभी-कभी कुछ हद तक हवा और प्रचार भी होते हैं। हालांकि, हमने इस मुद्दे को कठोरता से, गणितीय विधियों का उपयोग करके, अपनाया है और विषय पर ठोस परिणाम प्रदान किए हैं। सबसे ऊपर, हमने स्पष्ट किया है कि किस अर्थ में कोई भी लाभ हो सकता है।” 

महत्वपूर्ण ट्रैवलिंग सेल्समैन प्रॉब्लम

एक अनुकूलन समस्या के रूप में, TSP लॉजिस्टिक्स और सप्लाई चेन उद्योग में बड़ी आर्थिक महत्त्व रखती है। यह व्यापक संयोजकीय अनुकूलन समस्याओं की श्रेणी में आती है, जिसमें जॉब शेड्यूलिंग, संसाधन आवंटन, पोर्टफोलियो अनुकूलन, और यहाँ तक कि प्रोटीन फोल्डिंग भी शामिल हैं, जो विभिन्न क्षेत्रों के लिए महत्वपूर्ण हैं।

इन समस्याओं के सामाजिक और आर्थिक महत्व को देखते हुए, इन्हें तीव्र अनुसंधान का विषय बनाया गया है। इस प्रकार, सबसे कुशल सप्लाई चेन और सबसे सस्ता डिलीवरी मार्ग जैसी समस्याओं का उत्तर ढूँढ़ना हमारे दैनिक जीवन पर सकारात्मक प्रभाव डालता है।

हालाँकि, कई गंतव्यों के लिए डिलीवरी मार्गों को अनुकूलित करना, साथ ही ट्रैफ़िक जाम, बढ़ते संचालन लागत, अचानक मार्ग परिवर्तन, अंतिम क्षण के व्यावसायिक अपॉइंटमेंट और ग्राहक अनुरोध जैसी विभिन्न बाधाओं को ध्यान में रखना, TSP को हल करने को और अधिक चुनौतीपूर्ण बनाता है। इन चुनौतियों के बावजूद, TSP को हल करना वस्तुओं की कुशल डिलीवरी के लिए आवश्यक है, जो एक व्यावहारिक व्यापार मॉडल को सुनिश्चित करता है। 

इस समस्या को हल करने के कई लाभ हैं, जिनमें यात्रा की दूरी और घंटे कम करना और ईंधन उपयोग बचाना शामिल है। यात्रा की दूरी को न्यूनतम करने से कार्बन फुटप्रिंट में काफी कमी आती है, जिससे वायु गुणवत्ता बेहतर होती है, जलवायु परिवर्तन धीमा होता है, और आर्थिक विकास होता है। इसके अलावा, TSP को हल करने से वस्तुओं की समय पर डिलीवरी और ग्राहकों के साथ समय पर मीटिंग्स संभव होती हैं, जो ग्राहक अनुभव और फील्ड सर्विस व्यवसायों को बढ़ाता है।

जैसा कि हमने देखा है, समस्या का समाधान न केवल व्यवसायों की मदद करता है, बल्कि ये लाभ ग्राहकों तक भी पहुँचते हैं, जिससे सभी संबंधित लोगों का अनुभव समृद्ध होता है।

कई विधियों का उपयोग TSP समस्या को हल करने के लिए किया जा सकता है। एक ऐसी विधि ‘ब्रूट-फ़ोर्स’ दृष्टिकोण है, जो सभी संभावित क्रमपरिवर्तनों की गणना करके सबसे छोटा मार्ग खोजता है। शाखा-और-सीमा (branch-and-bound) विधि में, समस्या को कई उपसमस्याओं की श्रृंखला में विभाजित किया जाता है, जहाँ प्रत्येक चरण का समाधान अगले चरणों में पाए गए समाधान को प्रभावित करता है।

डायनामिक प्रोग्रामिंग में, लक्ष्य दोहराव वाले गणनाओं से बचना है। निकटतम पड़ोसी (Nearest Neighbor) एक अनुमानित एल्गोरिदम है जिसमें आप प्रारंभिक स्थान से शुरू करते हैं और फिर सबसे निकटस्थ स्थान पर रुकते हैं। सभी शहरों को कवर करने के बाद, आप प्रारंभिक बिंदु पर वापस आते हैं। जबकि यह व्यावहारिक और अपेक्षाकृत तेज़ है, यह विधि हमेशा सबसे कुशल मार्ग प्रदान नहीं कर सकती।

जैसे-जैसे प्रौद्योगिकी आगे बढ़ती है, मार्ग नियोजन और अनुकूलन को बहुत अधिक प्रभावी ढंग से किया जा सकता है। विशेष रूप से कृत्रिम बुद्धिमत्ता (AI) बड़ी मात्रा में डेटा का शीघ्र विश्लेषण करके कई आधुनिक उद्यमों को संचालन और रणनीतिक निर्णय लेने में मदद कर सकती है।

क्वांटम कंप्यूटरों की भी जांच की जा रही है कि वे इस समस्या को हल कर सकते हैं; आखिरकार, वे क्लासिकल कंप्यूटरों की तुलना में उल्लेखनीय गणनात्मक गति प्रदान करते हैं। यह लंबे समय से सुझाया गया है कि ये कंप्यूटर इन समस्याओं के अनुमान को सुधारने में मदद कर सकते हैं। 

ट्रैवलिंग सेल्समैन प्रॉब्लम को हल करने के लिए क्वांटम कंप्यूटिंग तकनीकों का उपयोग

जबकि क्वांटम कंप्यूटिंग बहुत अधिक रुचि आकर्षित कर रही है और कुछ समस्याओं के लिए आशाजनक परिणाम प्रदान कर रही है, इस क्वांटम लाभ की सीमा अभी तक व्यापक रूप से अनछूटी है। 

इस प्रकार, अध्ययन ने पूर्ण निर्माणात्मक प्रमाण प्रदान किया कि क्वांटम कंप्यूटर वास्तव में संयोजकीय अनुकूलन समस्याओं के अनुमान खोजने में पारंपरिक कंप्यूटरों से बेहतर प्रदर्शन कर सकते हैं।

नवीनतम अध्ययन, जो ईसर्ट और उनके सहयोगी जीन-पीयर सेइफ़र्ट द्वारा नेतृत्व किया गया, ने केवल विश्लेषणात्मक विधियों का उपयोग करके यह मूल्यांकन किया कि क्यूबिट्स वाले क्वांटम कंप्यूटर कैसे TSP समस्या को हल कर सकते हैं। 

“हम बस यह मानते हैं, भौतिक कार्यान्वयन की परवाह किए बिना, कि पर्याप्त क्यूबिट्स हैं और हम उनके साथ गणना संचालन करने की संभावनाओं को देखते हैं,” यह क्रिप्टोग्राफी में एक सामान्य समस्या, अर्थात डेटा एन्क्रिप्शन, के समानता को दर्शाता है, जैसा कि टेहरनबर्ग विश्वविद्यालय के पीएच.डी. छात्र विंसेंट उलिट्ज़ ने बताया। 

फिर, टीम ने शोर एल्गोरिदम, एक क्वांटम एल्गोरिदम, का उपयोग करके एक पूर्णांक के अभाज्य गुणकों को खोजा और इन अनुकूलन समस्याओं के एक उपवर्ग को हल किया। इसके साथ, जैसे-जैसे शहरों की संख्या बढ़ती है, गणना समय अब विस्फोट नहीं होगा। यह केवल बहुपदीय रूप से बढ़ेगा, अर्थात Nx के साथ, जहाँ x एक स्थिरांक है। इस प्रकार, प्राप्त समाधान भी गुणात्मक रूप से पारंपरिक एल्गोरिदम के अनुमानित समाधान से बहुत बेहतर है।

क्रिप्टोग्राफिक अवधारणाओं और कम्प्यूटेशनल लर्निंग थ्योरी का उपयोग करके, अध्ययन ने “पूर्ण निर्माणात्मक प्रमाण” दिया कि क्वांटम कंप्यूटर क्लासिकल कंप्यूटरों की तुलना में संयोजकीय अनुकूलन समस्याओं के अनुमान में सुपर-बहुपदीय लाभ रखते हैं। 

अध्ययन ने आगे उल्लेख किया कि अनुसंधान टीम ने सामाजिक और आर्थिक प्रभाव वाली संयोजकीय अनुकूलन समस्याओं के समाधान के अनुमान में संभावित क्वांटम कंप्यूटरों के योगदान के महत्वपूर्ण प्रश्न पर महत्वपूर्ण प्रगति की है।

अध्ययन को आइंस्टीन रिसर्च यूनिट, बर्लिन गणित रिसर्च सेंटर (MATH+ क्लस्टर ऑफ एक्सीलेंस), BMBF (हाइब्रिड), BMWK (EniQmA), म्यूनिख क्वांटम वैली, और DFG द्वारा वित्तपोषित किया गया। जर्मनी के संघीय शिक्षा और अनुसंधान मंत्रालय ने भी वित्तीय समर्थन प्रदान किया।

क्वांटम कंप्यूटिंग की संभावनाओं का अन्वेषण 

एक बड़ी उपलब्धि के बावजूद, यह पहली बार नहीं था जब क्वांटम कंप्यूटिंग का उपयोग ट्रैवलिंग सेल्समैन प्रॉब्लम को हल करने के लिए किया गया था। कई उत्साही और शोधकर्ता क्वांटम कंप्यूटिंग का उपयोग करके इस समस्या को हल करने की खोज में रहे हैं। 

दिसंबर 2022 में, एक पेपर प्रस्तावित किया गया कि GAS (Grover Adaptive Search) पर आधारित TSP के लिए एक क्वांटम एल्गोरिदम। GAS ढाँचे के तहत, कम से कम दो मौलिक कठिनाइयाँ हैं—समाधान संभवतः व्यावहारिक नहीं हो सकते, और वर्तमान क्वांटम कंप्यूटरों के क्यूबिट की संख्या बहुत सीमित है और न्यूनतम आवश्यकताओं को पूरा नहीं कर सकती, जिससे संयोजकीय अनुकूलन समस्याओं के लिए क्वांटम एल्गोरिदम का उपयोग प्रतिबंधित हो जाता है। 

इस प्रकार, पेपर ने Hamiltonian Cycle Detection (HCD) ऑरेकल को परिष्कृत किया, जो एल्गोरिदम निष्पादन के दौरान स्वचालित रूप से अव्यावहारिक समाधान हटा सकता है। उन्होंने “ऐंकर रजिस्टर” रणनीति भी डिजाइन की ताकि क्यूबिट उपयोग को बचाया जा सके, क्वांटम कंप्यूटिंग की पुनरावर्तनीयता आवश्यकता को पूरी तरह से ध्यान में रखते हुए और उपयोग किए गए क्यूबिट्स को केवल ओवरराइट या रिलीज़ नहीं किया जा सके। इस अध्ययन ने केवल 31 क्यूबिट्स की आवश्यकता रखी, और समाधान की सफलता दर 86.71% थी।

2019 में, स्वयं-परिभाषित भौतिकी विशेषज्ञ जोसेफ कैमिज़ ने लिखा कि उन्होंने एक एनीलिंग क्वांटम प्रोसेसर का उपयोग किया, जिससे उन्होंने सात शहरों के लिए ट्रैवलिंग सेल्समैन प्रॉब्लम को हल किया और सिद्धांततः नौ शहरों के लिए हल करने की संभावना है, जब तकनीकी सीमाएँ समाप्त हो जाएँगी। 

एक नई कंप्यूटिंग विधि, क्वांटम एनीलिंग, ने क्लासिकल तकनीकों की तुलना में अनुकूलन समस्याओं को तेज़ी से हल करने की क्षमता दिखाई है। इसका सिद्धांत यह संकेत देता है कि क्यूबिट्स सुपर-कोल्ड होने पर एक इष्टतम कम-ऊर्जा स्थिति प्राप्त करेंगे। 

हालाँकि, 2021 में, एक अध्ययन सप्लाई चेन डिजिटल & डेटा साइंस, जॉनसन & जॉनसन द्वारा वित्तपोषित किया, पाया कि क्वांटम एनीलर केवल 8 या कम नोड्स के समस्या आकार को संभाल सकता है, और इसका प्रदर्शन समय और सटीकता दोनों में क्लासिकल सॉल्वर की तुलना में घटिया है।

ट्रैवलिंग सेल्समैन प्रॉब्लम को हल करने के लिए क्वांटम कंप्यूटिंग का उपयोग कुछ समय से चल रहा है। दो दशकों से अधिक पहले, 2001 में, एक अध्ययन शुरू हुआ खोज करने के लिए कि क्वांटम एल्गोरिदम इस समस्या को कैसे हल कर सकता है।

पेपर में, अलाबामा विश्वविद्यालय के बकलि हॉपर ने ग्रोवर और शोर के क्वांटम कंप्यूटर एल्गोरिदम की जांच की। उन्होंने नोट किया कि ग्रोवर का एल्गोरिदम केवल वर्गमूल सुधार प्रदान करता है, जिससे यह संकेत मिलता है कि यह क्लासिकल रूप से असाध्य समस्या को क्वांटम कंप्यूटर पर साध्य नहीं बना सकता। शोर के एल्गोरिदम के संबंध में, हॉपर ने देखा कि जबकि यह संभावित रूप से असाध्य अभाज्य गुणक समस्या को क्वांटम मशीन पर साध्य बना सकता है, यह केवल बहुत विशिष्ट प्रकार की समस्या के लिए उपयुक्त है। 

समग्र रूप से, हॉपर ने कहा कि “ट्रैवलिंग सेल्समैन प्रॉब्लम के अनुमानित समाधान के लिए कोई संतोषजनक एल्गोरिदम नहीं मिला।”

उसके कुछ साल बाद, इलेक्ट्रिकल और इलेक्ट्रॉनिक्स इंजीनियर्स संस्थान (IEEE) ने एक नया एल्गोरिदम प्रस्तुत किया जो समस्या को हल करने के लिए जीनेटिक एल्गोरिदम और क्वांटम कंप्यूटिंग दोनों से प्रेरित था। IEEE ने पाया कि प्रस्तावित एल्गोरिदम को ट्रैवलिंग सेल्समैन प्रॉब्लम के कुछ उदाहरणों पर लागू करने के परिणाम मानक जीनेटिक एल्गोरिदम की तुलना में काफी बेहतर हैं।

क्वांटम कंप्यूटिंग की वर्तमान स्थिति के बारे में जानने के लिए यहाँ क्लिक करें।

क्वांटम कंप्यूटिंग पर काम करने वाली कंपनियां 

अब, आइए कुछ नामों पर नज़र डालते हैं जो क्वांटम कंप्यूटिंग के अनुसंधान और विकास पर काम कर रहे हैं:

#1. IBM

इंटरनेशनल बिजनेस मशीन कॉरपोरेशन विभिन्न क्षेत्रों में संलग्न है, जिसमें AI, क्लाउड सेवाएँ, आईटी, क्लाइंट फाइनेंसिंग, और कॉमर्शियल फाइनेंसिंग शामिल हैं। यह तकनीकी दिग्गज क्वांटम कंप्यूटिंग में भी IBM क्वांटम प्लेटफ़ॉर्म के माध्यम से संलग्न है, जो सार्वजनिक और प्रीमियम एक्सेस प्रदान करता है उसके क्लाउड-आधारित क्वांटम कंप्यूटिंग सेवाओं तक। इनमें IBM के प्रोटोटाइप क्वांटम प्रोसेसर का सेट, क्वांटम गणना पर ट्यूटोरियल, और एक इंटरैक्टिव पाठ्यपुस्तक शामिल हैं।

हाल ही में, IBM वैज्ञानिकों ने कहा कि वे क्वांटम कंप्यूटरों की गेम‑चेंजिंग क्षमता को अनलॉक करने वाले एक बाधा को पार करने के एक और कदम के करीब हैं। इसके लिए, उन्होंने एक नया क्वांटम एरर‑करेक्टिंग कोड प्रस्तुत किया, जिसे वे कहते हैं कि पिछले तरीकों की तुलना में लगभग दस गुना अधिक कुशल है। 

पिछले साल के अंत में, कंपनी ने क्वांटम कंप्यूटर कॉन्डोर लॉन्च किया, जिसमें 1,121 सुपरकंडक्टिंग क्यूबिट्स हैं जो शहद के छत्ते के पैटर्न में व्यवस्थित हैं। IBM ने IBM क्वांटम सिस्टम टु भी उजागर किया, जो उसका पहला मॉड्यूलर क्वांटम कंप्यूटर और क्वांटम‑सेंट्रिक सुपरकम्प्यूटिंग आर्किटेक्चर है, जो स्केलेबल है और इसलिए अगले पाँच वर्षों में लॉन्च किए जाने वाले चिप्स के साथ अपग्रेड किया जा सकता है।

175 बिलियन डॉलर के मार्केट कैप के साथ, IBM के शेयर $190.86 पर ट्रेड हो रहे हैं, वर्ष‑से‑तारीख (YTD) में 16.66% वृद्धि के साथ। IBM ने $61.86 बिलियन की राजस्व (TTM) दर्ज की है जबकि EPS (TTM) 8.03, P/E (TTM) 23.76, और ROE (TTM) 33.36% है। कंपनी 3.48% का डिविडेंड यील्ड देती है।

#2. D-Wave Systems

यह क्वांटम कंप्यूटिंग कंपनी संबंधित सिस्टम, सॉफ़्टवेयर, और सेवाएँ विकसित और प्रदान करती है। इसके उत्पादों में द लीप और द एडवांटेज शामिल हैं, और यह शेड्यूलिंग, लॉजिस्टिक्स, ड्रग डिस्कवरी, मैन्युफैक्चरिंग प्रोसेस आदि के लिए क्वांटम एप्लिकेशन प्रदान करता है। 

इस महीने की शुरुआत में, D‑Wave ने कहा कि क्वांटम मशीनें अब वास्तविक‑विश्व अनुप्रयोगों वाली समस्याओं को किसी भी सामान्य कंप्यूटर से तेज़ी से हल कर सकती हैं। इस साल की शुरुआत में, कंपनी ने 1,200 क्यूबिट्स, 10,000 कपलर्स, और कठिन अनुकूलन समस्याओं पर 20 गुना तेज़ समाधान समय वाला क्वांटम कंप्यूटर घोषित किया।

कंपनी के शेयर वर्तमान में $1.86 पर ट्रेड हो रहे हैं, वर्ष‑से‑तारीख (YTD) में 138.6% वृद्धि के साथ, और मार्केट कैपिटलाइज़ेशन $267 मिलियन है। इसने $8.247 मिलियन की बिक्री (TTM), -0.66 EPS (TTM), और -3.19 P/E (TTM) रिपोर्ट की, और 2023 के Q4 और वर्ष‑अंत परिणामों में बिक्री में 20% से अधिक की वृद्धि की घोषणा की, जबकि बुकिंग क्रमशः 34% और 89% बढ़ी।

रोचक बात यह है कि कंपनी के CEO, डॉ. एलन बाराज़ ने कंपनी की गति को घोषित किया, ज़ापाटा AI के साथ कंपनी की बहु‑वर्षीय रणनीतिक साझेदारी, 1,200+ क्यूबिट Advantage2 प्रोटोटाइप का परिचय, NEC ऑस्ट्रेलिया और डेलॉइट कनाडा के साथ संयुक्त उद्यम, और पूर्व होमलैंड सिक्योरिटी सचिव कर्स्टजेन नीलसन को बोर्ड ऑफ डायरेक्टर्स में नियुक्त करने का उल्लेख किया।

निष्कर्ष

क्वांटम कंप्यूटिंग का बाजार 2028 में $6.5 बिलियन तक पहुँचने की उम्मीद है, और इसका ट्रैवलिंग सेल्समैन प्रॉब्लम (TSP) को हल करने की क्षमता कई उद्योगों, जैसे निर्माण, लॉजिस्टिक्स, सप्लाई चेन मैनेजमेंट, ई‑कॉमर्स, परिवहन, और अनुसंधान, पर प्रभाव डालती है। अंततः, यह महत्वपूर्ण लाभों का परिणाम दे सकता है, विशेष रूप से उत्पादकता बढ़ाना, खर्च कम करना, और विभिन्न क्षेत्रों में नवाचार को प्रोत्साहित करना।

सर्वश्रेष्ठ पाँच क्वांटम कंप्यूटिंग कंपनियों की सूची के लिए यहाँ क्लिक करें।