Potential of quantum computing for optimization in the manufacturing industry

Moore’s Law, which has guided the exponential growth of classical computing for decades, is approaching its physical limits due to heat dissipation and quantum effects emerging at nanometric scales. As traditional architectures saturate, quantum computing arises as a promising paradigm capable of achieving exponential speedups for specific classes of problems. This work explores the current quantum computing landscape from both hardware and algorithmic perspectives and investigates its applications within the Manufacturing domain. A systematic literature review was conducted to map quantum applications since 2020, revealing a growing prevalence of optimization-oriented studies, particularly in routing and production scheduling problems. The majority implemented the Adiabatic Quantum Computation (AQC) or Gate-Based variational algorithms. From the data emerged that almost 90\% of applications based on AQC were tested on quantum hardware, while more than 70\% of Gate-Based applications relied on classical emulators. Finally, a Quantum Approximate Optimization Algorithm (QAOA), a Gate-Based variational algorithm specifically designed for optimization problems, was implemented and tested on IBM’s “Torino” superconducting backend to address small Vehicle Routing Problem instances. A preliminary comparison between the QAOA and a standard Variational Quantum Eigensolver (S-VQE), conducted on classical noiseless emulator, showed that the former could achieve better performance given a good parameter initialization. Thus, the QAOA have been selected for further experimentation. Given QAOA sensitivity to parameter initialization, different initialization strategies have been explored. Finally, the QAOA was tested on the quantum backend. The QAOA application presented in this work represents one of the first gate-based implementations of the VRP tested on quantum hardware, contributing to the understanding of the practical capabilities and current limitations of near-term quantum processors. Results have been compared to the only application of the QAOA to the VRP being tested on quantum hardware that we found in the literature. Compared to this reference application, higher quality results have been obtained. The knowledge acquired from the literature review and experimentation with the VRP allowed for the definition of an end-to-end workflow for QAOA applications, valid for a general optimization problem, that goes from the problem definition to the extraction of the optimal solution from the QAOA output. Future work will focus on the application of the proposed workflow to other optimization problems to validate its effectiveness.

La Legge di Moore, che ha guidato per decenni la crescita esponenziale del calcolo classico, sta raggiungendo i suoi limiti fisici a causa della dissipazione di calore e degli effetti quantistici che emergono su scala nanometrica. Con il progressivo saturarsi delle architetture tradizionali, il calcolo quantistico si presenta come un paradigma promettente, in grado di ottenere accelerazioni esponenziali per specifiche classi di problemi. Questo lavoro esplora l’attuale panorama del calcolo quantistico sia dal punto di vista hardware sia da quello algoritmico e ne indaga le applicazioni nel settore manifatturiero. È stata condotta una rassegna sistematica della letteratura per mappare le applicazioni quantistiche dal 2020 in avanti, rivelando una crescente prevalenza di studi orientati all’ottimizzazione, in particolare nei problemi di routing e di pianificazione della produzione. La maggior parte dei lavori ha implementato l’Adiabatic Quantum Computation (AQC) o algoritmi variazionali Gate-Based. Dai dati è emerso che quasi il 90\% delle applicazioni basate su AQC è stato testato su hardware quantistico, mentre oltre il 70\% delle applicazioni Gate-Based si è basato su emulatori classici. Infine, è stato implementato e testato un Quantum Approximate Optimization Algorithm (QAOA), un algoritmo variazionale Gate-Based progettato specificamente per problemi di ottimizzazione, sul backend superconduttivo “Torino” di IBM per affrontare piccole istanze del Vehicle Routing Problem. Un’analisi preliminare su emulatore classico ha evidenziato la sensibilità del QAOA all’inizializzazione dei parametri; pertanto, sono state esplorate diverse strategie di inizializzazione. Successivamente, il QAOA è stato testato sull’hardware quantistico. L’applicazione del QAOA presentata in questo lavoro rappresenta una delle prime implementazioni Gate-Based del VRP testate su hardware quantistico, contribuendo alla comprensione delle capacità pratiche e delle attuali limitazioni dei processori quantistici di prossima generazione. I risultati sono stati confrontati con l’unica altra applicazione del QAOA al VRP testata su hardware quantistico individuata nella letteratura. Le conoscenze acquisite dalla rassegna della letteratura e dalla sperimentazione sul VRP hanno permesso di definire un workflow end-to-end per applicazioni QAOA, valido per un problema di ottimizzazione generale, che va dalla definizione del problema all’estrazione della soluzione ottimale dall’output del QAOA. Futuri lavori si concentreranno sull’applicazione del workflow proposto ad altri problemi di ottimizzazione per validarnee l’efficacia.