Empirical Evaluation of QAOA with Zero Noise Extrapolation on NISQ Hardware for Carbon Credit Portfolio Optimization in the Brazilian Cerrado

Diese Studie zeigt, dass der Quantum Approximate Optimization Algorithm (QAOA) in Kombination mit Zero Noise Extrapolation (ZNE) klassische Heuristiken bei der Optimierung komplexer Kohlenstoffgutschriften-Portfolios für den brasilianischen Cerrado übertrifft und damit eine empirische Quantennützlichkeit auf Hardware der NISQ-Ära für die Planung des Umweltschutzes nachweist.

Das Wesentliche

Stellen Sie sich vor, Sie sind Landschaftsarchitekt und versuchen, ein riesiges, vielfältiges Ökosystem namens Cerrado in Brasilien zu retten. Sie haben ein begrenztes Budget und eine Liste von 88 verschiedenen Städten (Gemeinden), in die Sie in den Naturschutz investieren könnten. Ihr Ziel ist es, genau 28 dieser Städte auszuwählen, um sie zu schützen.

Aber hier liegt der Haken: Sie können nicht einfach die 28 Städte auswählen, die auf einer Karte am „grünsten" aussehen. Sie müssen drei Dinge gleichzeitig ausbalancieren:

1. Kohlenstoff: Wie viel Verschmutzung können die Bäume absorbieren?
2. Biodiversität: Wie gut verbinden diese Städte sich, um Tieren zu helfen, sich zu bewegen und zu überleben?
3. Menschen: Wie wird dies den lokalen Gemeinschaften helfen?

Dies ist ein riesiges Puzzle. Wenn Sie versuchen, es zu lösen, indem Sie einfach die „beste" Stadt nach der anderen auswählen (eine Methode, die als Greedy-Heuristik bezeichnet wird), könnten Sie den großen Zusammenhang übersehen. Sie könnten zwei großartige Städte auswählen, die weit voneinander entfernt sind, und eine Lücke hinterlassen, in der Tiere nicht überqueren können, oder Sie könnten eine Stadt verpassen, die für sich genommen nicht die absolut beste ist, aber der perfekte „Klebstoff" ist, der zwei andere großartige Gebiete verbindet.

Die Quantenlösung: Ein neuer Blick auf das Puzzle

Der Autor dieses Papiers, Hugo José Ribeiro, versuchte, einen Quantencomputer zu verwenden, um dieses Puzzle zu lösen. Stellen Sie sich einen klassischen Computer (wie Ihren Laptop) als eine sehr schnelle, sehr kluge Person vor, die eine Karte liest und einen Pfad nach dem anderen überprüft. Ein Quantencomputer hingegen ist wie eine magische Fähigkeit, alle möglichen Pfade gleichzeitig zu betrachten.

Das spezifische Werkzeug, das sie verwendeten, heißt QAOA (Quantum Approximate Optimization Algorithm). Es ist wie ein digitaler Entdecker, der durch die Landschaft der Möglichkeiten springt und nach der perfekten Kombination von 28 Städten sucht.

Das Problem: Der Quantencomputer ist „verrauscht"

Hier kommt der knifflige Teil: Die heute verfügbaren Quantencomputer (sogenannte NISQ-Geräte) sind wie ein Radio mit viel Rauschen. Sie sind leistungsstark, machen aber Fehler aufgrund von „Rauschen" (Interferenz). Wenn Sie den Quantencomputer bitten, das Puzzle zu lösen, verwirbelt das Rauschen die Antwort oft und macht sie schlechter als das, was ein einfacher Mensch mit einer grundlegenden Checkliste leisten könnte.

Die Lösung: Zero Noise Extrapolation (ZNE)

Um das Rauschen zu beheben, verwendete der Forscher einen cleveren Trick namens Zero Noise Extrapolation (ZNE).

Die Analogie: Stellen Sie sich vor, Sie versuchen, die genaue Temperatur eines Raumes zu erraten, aber Ihr Thermometer ist defekt und zeigt leicht zu hohe Werte an.

1. Sie nehmen eine Messung mit dem defekten Thermometer vor (Normales Rauschen).
2. Dann machen Sie das Thermometer absichtlich schlechter, indem Sie es schütteln oder erhitzen, und nehmen eine zweite Messung vor (Verstärktes Rauschen).
3. Sie machen es noch einmal, indem Sie es noch schlimmer machen (Maximales Rauschen).

Jetzt haben Sie drei Datenpunkte: „Normal", „Schlechter" und „Am Schlechtesten". Indem Sie eine Linie durch diese Punkte ziehen und sie rückwärts bis zu dem Punkt verlängern, an dem das Schütteln null wäre, können Sie mathematisch erraten, was die Temperatur gewesen wäre, wenn das Thermometer perfekt wäre.

In diesem Papier machte der Forscher dies mit dem Quantencomputer. Er führte dasselbe Puzzle dreimal durch: einmal normal, einmal mit „zusätzlichem Rauschen" und einmal mit „doppelt zusätzlichem Rauschen". Dann verwendeten sie Mathematik, um auf das Ergebnis zu „extrapolieren", das erhalten worden wäre, wenn der Computer kein Rauschen gehabt hätte.

Die Ergebnisse: Hat es funktioniert?

Das Papier berichtet über einige sehr aufregende Ergebnisse aus dem Durchführen dieses Experiments auf echten IBM-Quantencomputern über einen Zeitraum von 17 Tagen:

• Die klassische Basislinie: Die Standard-„Greedy"-Methode (Auswahl der besten Städte nacheinander) erzielte eine Punktzahl von 44,42.
• Der rohe Quantenversuch: Ohne das Rauschen zu beheben, erzielte der Quantencomputer etwa 43,55. Er war aufgrund des Rauschens tatsächlich etwas schlechter als die einfache Methode.
• Das Ergebnis Quanten + ZNE: Nach der Verwendung des „Zero Noise Extrapolation"-Tricks zur Bereinigung der Antwort erzielte der Quantencomputer 58,47.

Das Fazit: Die Quantenmethode war nach Bereinigung des Rauschens 31,6 % besser als die Standard-Methode für klassische Computer.

Warum ist das wichtig?

Der interessanteste Teil ist nicht nur die höhere Punktzahl, sondern wie der Quantencomputer die Lösung fand.

Die „Greedy"-Methode wählte Städte basierend auf ihren individuellen Punktzahlen aus. Aber die Quantenmethode fand eine Stadt namens Chapadão do Céu.

• Die Greedy-Methode ignorierte sie, weil ihre individuelle Punktzahl nicht die höchste war.
• Die Quantenmethode wählte sie, weil sie, obwohl sie für sich genommen nicht die „beste" war, der perfekte Verbinder war. Sie hatte erstaunliche Biodiversitätsverbindungen zu ihren Nachbarn.

Der Quantencomputer sah die „Synergie" (die Teamarbeit zwischen den Städten), die die einfache Methode verpasste. Er fand ein besseres Portfolio, indem er das Gesamtbild betrachtete und nicht nur die einzelnen Teile.

Das Fazit

Dieses Papier behauptet nicht, dass Quantencomputer morgen bereit sind, alle menschlichen Planer zu ersetzen. Der Autor sagt sorgfältig, dass dies „Empirische Quantennützlichkeit" bedeutet – das heißt, für dieses spezifische, reale Problem funktionierte der Quantenansatz besser als die Standardwerkzeuge, die sie testeten.

Es beweist, dass selbst mit heutigen „verrauschten" Quantencomputern, wenn Sie die richtigen Tricks (wie ZNE) verwenden, um das Signal zu bereinigen, Sie bessere Lösungen für komplexe Umweltprobleme finden können als traditionelle Methoden. Es ist ein kleiner, aber bedeutender Schritt hin zur Nutzung von Quantenmagie, um die vielfältigsten Ökosysteme des Planeten zu retten.

Technische Zusammenfassung

Technisches Fazit: Empirische Evaluierung von QAOA mit Zero Noise Extrapolation auf NISQ-Hardware zur Optimierung von Kohlenstoffgutschriften-Portfolios

Problemdefinition
Diese Studie adressiert die multi-objective Optimierung von Kohlenstoffgutschriften-Portfolios innerhalb des brasilianischen Cerrado-Bioms, einer Region, die durch hohe Biodiversität, aber auch durch signifikante landwirtschaftliche Inanspruchnahme gekennzeichnet ist. Die Kernherausforderung besteht darin, eine Teilmenge von Gemeinden auszuwählen, um gleichzeitig Kohlenstoffsequestrierung, Biodiversitätskonnectivität und soziale Wirkung zu maximieren, unter Einhaltung eines festen Budgets (Kardinalitätsbeschränkung). Das Problem wird als Quadratisches Unbeschränktes Binäres Optimierungsproblem (QUBO) mit $n=88$ Entscheidungsvariablen (Gemeinden) und einer Zielauswahl von $k=28$ formuliert. Der Suchraum von ungefähr $1,45 \times 10^{22}$ Kombinationen macht eine erschöpfende Enumeration unlösbar. Klassische Ansätze, wie etwa gierige Heuristiken, erfassen oft komplexe räumliche Synergien und nichtlineare Interaktionen zwischen Territorien nicht, was potenziell zu suboptimalen Ergebnissen im Naturschutz oder zu „Greenwashing" durch ineffiziente Allokationen führt.

Methodik
Die Autoren implementieren einen hybriden quanten-klassischen Workflow, der den Quantum Approximate Optimization Algorithm (QAOA) in Kombination mit Zero Noise Extrapolation (ZNE) auf Noisy Intermediate-Scale Quantum (NISQ)-Hardware nutzt.

• Problemformulierung: Die Zielfunktion integriert lineare Terme (individuelle Scores für Kohlenstoff-, Biodiversitäts- und soziale Metriken) und quadratische Terme (räumliche Nachbarschafts- und Synergiematrizen). Eine Kardinalitätsbeschränkung ($k=28$) wird über einen quadratischen Strafterm in der QUBO-Formulierung durchgesetzt.
• Quantenalgorithmus: Der QAOA-Ansatz verwendet eine einzelne Schicht ($p=1$), um innerhalb der Kohärenzgrenzen aktueller Hardware zu bleiben. Um die Kardinalitätsbeschränkung während der Evolution strikt einzuhalten, wird anstelle des Standard-Mischers mit transversalem Feld ein XY-Mischer-Hamiltonian verwendet, der sicherstellt, dass Übergänge nur zwischen Zuständen mit derselben Anzahl aktiver Qubits stattfinden.
• Initialisierung: Eine „Warm-Start"-Strategie initialisiert den Quantenzustand unter Verwendung der Lösung einer klassischen gierigen Heuristik; die Parameter $\gamma=0,05$ und $\beta=0,20$ wurden empirisch kalibriert, um die Struktur der gierigen Lösung zu bewahren und gleichzeitig lokale Exploration zu ermöglichen.
• Fehlerminderung: Zero Noise Extrapolation (ZNE) wird angewendet, um Gate-Rauschen zu mindern. Die Schaltkreise werden bei drei Rausch-Skalierungsfaktoren ($\lambda \in \{1, 2, 3\}$) mittels Gate-Folding (speziell bei Zwei-Qubit-Gates) ausgeführt. Die Ergebnisse werden unter Verwendung linearer, quadratischer und Richardson-Extrapolationsmodelle auf den Rausch-freien Grenzwert ($\lambda=0$) extrapoliert.
• Experimenteller Aufbau: Sieben unabhängige Durchläufe wurden über einen Zeitraum von 17 Tagen (17. Januar – 2. Februar 2026) auf zwei IBM Quantum Heron-Prozessoren durchgeführt: ibm_torino (r1) und ibm_fez (r2). Jeder Durchlauf umfasste 8.192 Shots pro Rausch-Skala, was insgesamt 24.576 Shots pro ZNE-Protokoll ergibt.

Hauptbeiträge

1. Anwendung in der Praxis: Diese Arbeit stellt eine der ersten Anwendungen von QAOA auf ein reales, multi-objectives Umweltoptimierungsproblem dar, das empirische geospatiale Daten von 88 Gemeinden im Cerrado verwendet und damit über simulierte oder synthetische Benchmarks hinausgeht.
2. Statistische Strenge: Die Studie liefert eine statistisch robuste Validierung durch sieben unabhängige Hardware-Ausführungen und demonstriert zeitliche Stabilität gegenüber Hardware-Kalibrierungsdrifts.
3. Fehlerminderung in der Nachhaltigkeit: Es handelt sich um die erste Anwendung von Zero Noise Extrapolation auf multi-objective Probleme der ökologischen Nachhaltigkeit, die zeigt, dass Fehlerminderung auf aktuellen NISQ-Geräten die Lösungsqualität wiederherstellen kann, die klassischen Heuristiken überlegen ist.
4. Reproduzierbarkeit: Der vollständige Workflow, einschließlich QUBO-Erstellung, Parameterkalibrierung und roher experimenteller Daten, ist öffentlich zugänglich gemacht worden und etabliert eine reproduzierbare Vorlage für hochpräzise Umweltschutzpolitiken.

Ergebnisse

• Leistung: Der QAOA+ZNE-Workflow übertraf konsistent eine klassische gierige Baseline (Score 44,42). Der vom Quantenverfahren erreichte mittlere Portfolioscore betrug 58,47 ± 6,98, was einer Verbesserung von 31,6 % gegenüber der gierigen Baseline entspricht.
• Statistische Signifikanz: Die Verbesserung war statistisch signifikant; ein einseitiger gepaarter t-Test ergab $p = 0,0009$ und einen großen Effekt (Cohen's $d = 2,01$). Das Verfahren erreichte in allen sieben Durchläufen eine Erfolgsrate von 100 %, was bedeutet, dass jeder ZNE-extrapolierter Score die gierige Baseline übertraf.
• Robustheit: Selbst das konservativste lineare Extrapolationsmodell ergab einen mittleren Score von 49,12 und übertraf die Baseline dennoch um 10,6 %. Eine Leave-One-Out-Analyse bestätigte, dass die Signifikanz nicht durch einen einzelnen leistungsstarken Durchlauf getrieben wurde.
• Lösungsqualität: Der quantenbasierte Ansatz identifizierte nicht-triviale territoriale Synergien. So wurde beispielsweise die Gemeinde Chapadão do Céu, die von der gierigen Heuristik aufgrund eines moderaten individuellen Scores ausgeschlossen wurde, vom Quantenverfahren konsistent ausgewählt (6 von 7 Durchläufen) aufgrund ihrer außergewöhnlichen Biodiversitätskonnectivität (98. Perzentil).
• Hardware-Stabilität: Die Methodik blieb über einen Zeitraum von 13 Tagen und auf zwei verschiedenen Hardware-Backends stabil; es wurde keine statistisch signifikante Korrelation zwischen Ausführungszeit und ZNE-Scores festgestellt, was auf eine Resistenz gegenüber Kalibrierungsdrift hindeutet.

Bedeutung und Behauptungen
Das Papier stellt seine Erkenntnisse explizit als Nachweis einer empirischen Quantennützlichkeit dar und nicht als formalen Quantenvorteil. Die Autoren behaupten nicht, dass ihre Methode optimale klassische Solver (z. B. Gurobi oder CPLEX) übertrifft oder eine superpolynomielle Beschleunigung erreicht. Stattdessen liegt die Bedeutung darin zu demonstrieren, dass aktuelle NISQ-Geräte, wenn sie mit rigoroser Fehlerminderung (ZNE) und geeigneter Initialisierung (Warm-Start) gekoppelt sind, konsistent komplexe territoriale Synergien identifizieren können, die kurzsichtige klassische Heuristiken übersehen.

Die Studie validiert, dass Quantenoptimierung als praktisches Entscheidungsunterstützungstool für Umweltpolitik dienen kann und eine skalierbare methodische Vorlage für die Ressourcenallokation in hochriskanten Naturschutzkontexten bietet. Die Ergebnisse deuten darauf hin, dass die NISQ-Ära fähig ist, greifbare Verbesserungen gegenüber weit verbreiteten operativen Heuristiken in datengesteuerten territorialen Planungen zu liefern, sofern Fehlerminderung und statistische Validierung rigoros angewendet werden.