2024 年 Nature Reviews Physics 的量子最佳化綜述，區分可證明精確、可證明近似與啟發式演算法，並指出不同問題類型對「量子優勢」的證據要求並不相同。研究者必須明確設定問題分布、求解品質、總時間、硬體與資料載入成本，並與強大的經典演算法比較；只和過時或刻意弱化的經典基準比較，無法證明有意義的優勢。
思與行
- 為每個量子最佳化案例記錄：問題定義、資料輸入、輸出品質、總成本、重複次數、最佳經典基準與統計不確定性。
- 把「可執行量子電路」和「量子演算法在實務上更好」視為兩個不同的命題。
參考
- Challenges and opportunities in quantum optimization, Nature Reviews Physics 6, 718–735 (2024)。
- 關聯：term/量子演算法、term/量子優勢、note/量子優勢必須相對於明確的經典基準定義。