Runs on real quantum hardware:Corre en hardware cuántico real:IonQ Forte 1 (36q)
QWind is a quantum algorithm that decides which wind turbines to keep running when a farm has to produce less, so the energy lost to wakes is as small as possible. Our circuit never proposes an invalid plan, and we tested it on real wind farms.
3 to 7.5 times more likely to find the best layout than a random valid choice, and 3.4 to 17.1 times more likely than the usual penalty approach.
The exact best layout in every test of 5 of 6 datasets, matching a classical method (simulated annealing) with about 120 tries.
100% valid plans: the rule "keep exactly K turbines" is built into the circuit. We claim no quantum advantage.
QWind es un algoritmo cuántico que decide qué turbinas eólicas dejar funcionando cuando un parque tiene que producir menos, para que la energía perdida por estelas sea la menor posible. Nuestro circuito nunca propone un plan inválido, y lo probamos en parques eólicos reales.
De 3 a 7,5 veces más probable encontrar la mejor elección que con una elección válida al azar, y de 3,4 a 17,1 veces más que con el enfoque habitual de penalización.
La mejor elección exacta en todas las pruebas de 5 de 6 conjuntos de datos, igualando a un método clásico (recocido simulado) con unos 120 intentos.
100% de planes válidos: la regla "dejar exactamente K turbinas" está dentro del circuito. No afirmamos ventaja cuántica.
QWind decides which turbines to keep running when a farm must produce less, so wakes waste as little energy as possible.
Tested on real wind farms and real winds
What each dataset is, and how many turbine positions we choose from.
Place
What it is
Turbine positions
Test cases
Penmanshiel, Scotland
Real farm: real turbine positions and measured wind
14 (also a 10-turbine subset)
15 (3 + 3 + 9)
Kelmarsh, England
Real farm: real turbine positions and measured wind
6
3
Chubut, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Bahía Blanca, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Synthetic
Made-up wind and grid, generated by us
6 to 12
24
A test case is one question: "keep K turbines out of N positions". Real wind data is open (CC BY 4.0).
Why a quantum computer? The number of plans explodes
3,432
14 turbines, keep 7 Instant on a laptop
1014
50 turbines, keep 25 About a day and a half to check them all
1029
100 turbines, keep 50 About 3 trillion years
10299
1,000 turbines (hypothetical) More plans than atoms in the universe (1080)
Checking one by one at a billion plans per second. Classical shortcuts (simulated annealing) keep working at larger sizes but do not guarantee the best answer. Whether our circuit can match them at 50 to 100 turbines is the open question; we do not answer it here.
2. Why does it matter, and who is it for?
Wind farm operators who must produce less for a while: grid limits, maintenance, environmental rules
Quantum developers who want a reproducible benchmark
The choice has a money value which turbines are switched off changes the energy lost to wakes
Choosing well wastes less energy
Share of power lost to wakes, Penmanshiel (14 turbines). Best layout against an average random choice.
Keep 5: best1.0%
Keep 5: random5.3%
Keep 7: best4.0%
Keep 7: random8.0%
Keep 9: best7.0%
Keep 9: random10.6%
Modelled losses (Jensen wake model), not measured production.
What the choice could be worth (money)
Penmanshiel, 14 turbines, 1,000 hours with only K turbines running. Best layout against an average random choice.
Turbines kept (of 14)
Power lost to wakes: best vs random
More energy
Extra energy
At $66/MWh
At $99/MWh
At $132/MWh
5
1.0% vs 5.3%
+4.5%
136 MWh
$9.0k
$13.5k
$18.0k
7
4.0% vs 8.0%
+4.3%
176 MWh
$11.6k
$17.4k
$23.2k
9
7.0% vs 10.6%
+4.0%
207 MWh
$13.7k
$20.5k
$27.3k
An illustrative scale from a model, not a forecast and not a measured saving.
How the money numbers are built
Every assumption behind the previous table.
Assumption
Value
Output of each running turbine
637 kW on average (measured in 2019, 31.1% capacity factor)
Time in that configuration
1,000 hours (a year has 8,760)
Wake losses
From our wake model (Jensen), best choice vs average random choice
Energy prices
£50, £75 and £100 per MWh = $66, $99 and $132 (1 GBP = 1.3220 USD, ECB rate of 2026-10-09)
Not counted
Costs, contracts, and what an operator does today
3. How does the quantum part work?
Always exactly 3 on
1Start from a valid plan
2Only swap switches in pairs
3Tune the circuit (about 120 tries)
4Sample 1,000 times, keep the best
The usual approach discourages invalid answers with a penalty but still produces many. Ours makes them impossible. Technical names: QAOA with an XY mixer and a Dicke start state.
Our circuit against the alternatives
Ranges across the six datasets.
Our circuit
Usual penalty version
Random valid choice
Output that is a valid plan
100%
26% to 64%
100%
Chance of sampling the best layout
reference
3.4 to 17.1 times lower than ours
3 to 7.5 times lower than ours
Best sampled layout is the exact best
all instances of 5 of 6 datasets; 2 of 3 on Penmanshiel
less often
0.95 to 1.00 chance up to 12 positions, 0.35 on average at 14
green all instances / yes yellow most instances / partly red no / worse
Our test results
Our circuit (XY mixer + Dicke start, depth 3) on every dataset. Counts are test cases.
Dataset
Positions
Always a valid plan
Better average quality than random valid choice
Higher chance of the best layout than random valid choice
Finds the exact best layout
Synthetic
6 to 12
100%
24 of 24
20 of 24
24 of 24
Penmanshiel
14
100%
3 of 3
3 of 3
2 of 3
Penmanshiel-10
10
100%
3 of 3
3 of 3
3 of 3
Penmanshiel, every K
14
100%
9 of 9
9 of 9
8 of 9
Kelmarsh
6
100%
3 of 3
3 of 3
3 of 3
Chubut
6 to 12
100%
8 of 8
7 of 8
8 of 8
Bahia Blanca
6 to 12
100%
8 of 8
8 of 8
8 of 8
green all instances / yes yellow most instances / partly red no / worse
Our circuit against the classical methods
7 of 7
Simulated annealing (classical) finds the exact best answer in every dataset
4 of 7
Greedy search (classical) finds the exact best answer in 4 datasets
5 of 7
Our circuit (quantum) exact best in every case of 5 datasets; 2 of 3 and 8 of 9 cases in the other two
Tries used to get there
Simulated annealing5,005
Our circuit120
Almost the same result with about 40 times fewer tries, and we claim no quantum advantage: the classical method is still exact in every case. The budgets are not matched (one circuit try costs more than a classical one) and the circuit is simulated on a CPU.
Competitive with the classical methods
Average gap to the exact best answer (0 = perfect). Same instances as the scorecard.
Dataset
Simulated annealing (about 5,005 tries)
Greedy search
Our circuit (about 120 tries, best of 1,000 samples)
Synthetic
0.0000
0.0129
0.0000
Penmanshiel (14)
0.0000
0.0060
0.0060
Penmanshiel, every K (14)
0.0000
0.0020
0.0020
Penmanshiel-10
0.0000
0.0000
0.0000
Kelmarsh
0.0000
0.0000
0.0000
Chubut
0.0000
0.0000
0.0000
Bahia Blanca
0.0000
0.0000
0.0000
Our results are competitive with classical methods at these sizes, and we claim no quantum advantage. Classical methods also solve all of these exactly.
green all instances / yes yellow most instances / partly red no / worse
Built with the hackathon kit
What the rules asked for, and what we used.
Requirement
What we did
Use the Qiskit framework
Qiskit 2.5.2; the circuit is built by hand with Qiskit, plus NumPy and SciPy
Run on Qollab's free simulator
The live Run on Qollab uses its built-in simulator (about 20 seconds)
Published and runnable on Qollab, MIT license
Project page on Qollab; open source (MIT), 150+ tests
Full experiments
Same Qiskit code, run offline on a CPU (exact simulation, no noise) with a protocol fixed before running
Tested on real quantum hardware
IonQ Forte 1
Real quantum computer, 36 qubits, run through Qollab
997
shots (samples), one run
78
two-qubit gates (plus 123 one-qubit gates)
6 / 3
positions / turbines kept (a small case)
The circuit was tuned on the exact simulator; the real machine only produced the samples. A single small run, not a noise study.
What the real quantum computer gave us
Chance of sampling the best layout, valid samples only (22% of the hardware samples were invalid and are discarded).
Ideal simulator0.1784
IonQ Forte 1 (real hardware)0.1665
Random valid choice0.1000
The hardware came close to the ideal and stayed above random. The best sample was the exact best layout. Without filtering: 0.1304 chance of the best layout, 78% valid layouts.
4. How do I run it?
On Qollab
Open the project page and click Run your code with the built-in simulator. About 20 seconds.
MIT license, 150+ tests, protocol fixed before running.
Which 7 of the 14 turbines should keep running?
Kept running (7)
Switched off (7)
Wake of a kept turbine
4.0%
power lost to wakes with the best choice
8.0%
for an average random choice of 7
The best of 3,432 plans (exact search). Real positions of Penmanshiel, Scotland. Model units, not measured production.
How QWind works
1Wind and positionsreal positions and a measured wind rose
2Wake modelwhich turbine shades which, and how much
3Choice problempick the K turbines with the least wake loss
4Quantum circuitbuilt in Qiskit; keeps exactly K by construction
5Answerthe K turbines to keep running
From the wind and the turbine positions to the turbines to keep running. Compared against exact search, simulated annealing, greedy search and random valid choice.
What we found
3 to 7.5×
more likely to sample the best layout than random valid choice (3.4 to 17.1× than the penalty version)
5 of 6
datasets: exact best layout in every instance, matching simulated annealing with about 120 tries
2 of 3
instances on the 14 real turbines of Penmanshiel
100%
valid plans, always, and a reproducible benchmark
More charts
The charts are in English.
Results: better odds of the best layout
How many times more likely the circuit is to sample the best layout, on six datasets.
Results: reaching the exact best layout
Share of instances where the best of 1000 samples is the exact best layout.
Results: always a valid plan
Share of the circuit's probability that falls on valid layouts.
Results: circuit depth
Probability of sampling the best layout at circuit depths 1, 2 and 3 (synthetic dataset).
QWind decide qué turbinas dejar funcionando cuando un parque tiene que producir menos, para que las estelas desperdicien la menor energía posible.
Probado en parques eólicos reales y con vientos reales
Qué es cada conjunto de datos y entre cuántas posiciones de turbina elegimos.
Lugar
Qué es
Posiciones de turbina
Casos de prueba
Penmanshiel, Escocia
Parque real: posiciones reales de turbinas y viento medido
14 (y también un subconjunto de 10)
15 (3 + 3 + 9)
Kelmarsh, Inglaterra
Parque real: posiciones reales de turbinas y viento medido
6
3
Chubut, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Bahía Blanca, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Sintético
Viento y grilla inventados, generados por nosotros
6 a 12
24
Un caso de prueba es una pregunta: "dejar K turbinas de N posiciones". Los datos de viento reales son abiertos (CC BY 4.0).
¿Por qué una computadora cuántica? La cantidad de planes explota
3.432
14 turbinas, dejar 7 Instantáneo en una notebook
1014
50 turbinas, dejar 25 Un día y medio para revisarlos todos
1029
100 turbinas, dejar 50 Unos 3 billones de años
10299
1.000 turbinas (hipotético) Más planes que átomos en el universo (1080)
Revisándolos de a uno, a mil millones de planes por segundo. Los atajos clásicos (recocido simulado) siguen funcionando con tamaños mayores, pero no garantizan la mejor respuesta. Si nuestro circuito puede igualarlos con 50 a 100 turbinas es la pregunta abierta; acá no la respondemos.
2. ¿Por qué importa y para quién es?
Operadores de parques eólicos que deben producir menos por un tiempo: límites de la red, mantenimiento, reglas ambientales
Desarrolladores cuánticos que quieren una referencia reproducible
La elección tiene un valor en dinero qué turbinas se apagan cambia la energía perdida por estelas
Elegir bien desperdicia menos energía
Porcentaje de energía perdida por estelas, Penmanshiel (14 turbinas). Mejor elección contra una elección al azar promedio.
Dejar 5: la mejor1,0%
Dejar 5: al azar5,3%
Dejar 7: la mejor4,0%
Dejar 7: al azar8,0%
Dejar 9: la mejor7,0%
Dejar 9: al azar10,6%
Pérdidas calculadas con un modelo (estelas de Jensen), no producción medida.
Cuánto podría valer la elección (dinero)
Penmanshiel, 14 turbinas, 1.000 horas con solo K turbinas funcionando. Mejor elección contra una elección al azar promedio.
Turbinas que siguen (de 14)
Energía perdida por estelas: mejor vs azar
Más energía
Energía extra
A $66/MWh
A $99/MWh
A $132/MWh
5
1,0% vs 5,3%
+4,5%
136 MWh
$9,0k
$13,5k
$18,0k
7
4,0% vs 8,0%
+4,3%
176 MWh
$11,6k
$17,4k
$23,2k
9
7,0% vs 10,6%
+4,0%
207 MWh
$13,7k
$20,5k
$27,3k
Una escala ilustrativa a partir de un modelo, no un pronóstico ni un ahorro medido.
Cómo se calculan los números de dinero
Cada supuesto detrás de la tabla anterior.
Supuesto
Valor
Producción de cada turbina encendida
637 kW en promedio (medido en 2019, factor de capacidad de 31,1%)
Tiempo en esa configuración
1.000 horas (un año tiene 8.760)
Pérdidas por estelas
De nuestro modelo de estelas (Jensen), mejor elección contra elección al azar promedio
Precios de la energía
£50, £75 y £100 por MWh = $66, $99 y $132 (1 GBP = 1,3220 USD, cotización del BCE del 2026-10-09)
No se cuenta
Costos, contratos y lo que hace hoy un operador
3. ¿Cómo funciona la parte cuántica?
Siempre exactamente 3 encendidos
1Partir de un plan válido
2Solo intercambiar interruptores de a pares
3Ajustar el circuito (unos 120 intentos)
4Muestrear 1.000 veces y quedarse con la mejor
El enfoque habitual desalienta las respuestas inválidas con una penalización, pero igual produce muchas. El nuestro las hace imposibles. Nombres técnicos: QAOA con mezclador XY y estado inicial de Dicke.
Nuestro circuito frente a las alternativas
Rangos en los seis conjuntos de datos.
Nuestro circuito
Versión habitual con penalización
Elección válida al azar
Resultados que son un plan válido
100%
26% a 64%
100%
Chance de muestrear la mejor elección
referencia
de 3,4 a 17,1 veces menor que la nuestra
de 3 a 7,5 veces menor que la nuestra
La mejor elección muestreada es la mejor exacta
todos los casos de 5 de 6 conjuntos; 2 de 3 en Penmanshiel
con menos frecuencia
chance de 0,95 a 1,00 hasta 12 posiciones, 0,35 en promedio con 14
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Nuestros resultados de prueba
Nuestro circuito (mezclador XY + estado de Dicke, profundidad 3) en cada conjunto de datos. Los conteos son casos de prueba.
Conjunto de datos
Posiciones
Siempre un plan válido
Mejor calidad promedio que la elección válida al azar
Más chance de la mejor elección que la elección válida al azar
Encuentra la mejor elección exacta
Sintético
6 a 12
100%
24 de 24
20 de 24
24 de 24
Penmanshiel
14
100%
3 de 3
3 de 3
2 de 3
Penmanshiel-10
10
100%
3 de 3
3 de 3
3 de 3
Penmanshiel, todos los K
14
100%
9 de 9
9 de 9
8 de 9
Kelmarsh
6
100%
3 de 3
3 de 3
3 de 3
Chubut
6 a 12
100%
8 de 8
7 de 8
8 de 8
Bahía Blanca
6 a 12
100%
8 de 8
8 de 8
8 de 8
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Nuestro circuito frente a los métodos clásicos
7 de 7
Recocido simulado (clásico) encuentra la mejor respuesta exacta en todos los conjuntos de datos
4 de 7
Búsqueda voraz (clásico) encuentra la mejor respuesta exacta en 4 conjuntos de datos
5 de 7
Nuestro circuito (cuántico) mejor exacta en todos los casos de 5 conjuntos; 2 de 3 y 8 de 9 casos en los otros dos
Intentos usados para llegar ahí
Recocido simulado5.005
Nuestro circuito120
Casi el mismo resultado con unas 40 veces menos intentos, y no afirmamos ventaja cuántica: el método clásico sigue siendo exacto en todos los casos. Los presupuestos no son equivalentes (un intento del circuito cuesta más que uno clásico) y el circuito se simula en una CPU.
Competitivo con los métodos clásicos
Diferencia promedio con la mejor respuesta exacta (0 = perfecto). Mismos casos que el cuadro anterior.
Conjunto de datos
Recocido simulado (unos 5.005 intentos)
Búsqueda voraz
Nuestro circuito (unos 120 intentos, la mejor de 1.000 muestras)
Sintético
0,0000
0,0129
0,0000
Penmanshiel (14)
0,0000
0,0060
0,0060
Penmanshiel, todos los K (14)
0,0000
0,0020
0,0020
Penmanshiel-10
0,0000
0,0000
0,0000
Kelmarsh
0,0000
0,0000
0,0000
Chubut
0,0000
0,0000
0,0000
Bahía Blanca
0,0000
0,0000
0,0000
Nuestros resultados son competitivos con los métodos clásicos a estos tamaños, y no afirmamos ventaja cuántica. Los métodos clásicos también resuelven todos estos casos de forma exacta.
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Hecho con el kit del hackatón
Lo que pedían las reglas y lo que usamos.
Requisito
Qué hicimos
Usar el framework Qiskit
Qiskit 2.5.2; el circuito está hecho a mano con Qiskit, más NumPy y SciPy
Correr en el simulador gratuito de Qollab
La ejecución en vivo en Qollab usa su simulador integrado (unos 20 segundos)
Publicado y ejecutable en Qollab, licencia MIT
Página del proyecto en Qollab; código abierto (MIT), más de 150 tests
Experimentos completos
El mismo código de Qiskit, ejecutado offline en una CPU (simulación exacta, sin ruido) con un protocolo fijado antes de correr
Probado en hardware cuántico real
IonQ Forte 1
Computadora cuántica real, 36 qubits, usada a través de Qollab
997
disparos (muestras), una sola corrida
78
compuertas de dos qubits (más 123 de un qubit)
6 / 3
posiciones / turbinas que siguen (un caso chico)
El circuito se ajustó en el simulador exacto; la máquina real solo produjo las muestras. Una sola corrida chica, no un estudio de ruido.
Lo que nos dio la computadora cuántica real
Chance de muestrear la mejor elección, solo con muestras válidas (el 22% de las muestras del hardware eran inválidas y se descartan).
Simulador ideal0,1784
IonQ Forte 1 (hardware real)0,1665
Elección válida al azar0,1000
El hardware se acercó al ideal y quedó por encima del azar. La mejor muestra fue la mejor elección exacta. Sin filtrar: chance de 0,1304 de la mejor elección y 78% de elecciones válidas.
4. ¿Cómo lo ejecuto?
En Qollab
Abrí la página del proyecto y hacé clic en Run your code con el simulador integrado. Unos 20 segundos.
Licencia MIT, más de 150 tests, protocolo fijado antes de correr.
¿Cuáles 7 de las 14 turbinas deberían seguir funcionando?
Siguen funcionando (7)
Apagadas (7)
Estela de una turbina encendida
4,0%
de energía perdida por estelas con la mejor elección
8,0%
con una elección de 7 al azar, en promedio
La mejor de 3.432 combinaciones (búsqueda exacta). Posiciones reales de Penmanshiel, Escocia. Unidades del modelo, no producción medida.
Cómo funciona QWind
1Viento y posicionesposiciones reales y una rosa de vientos medida
2Modelo de estelasqué turbina tapa a cuál, y cuánto
3Problema de elecciónelegir las K turbinas con menos pérdida por estelas
4Circuito cuánticohecho en Qiskit; mantiene exactamente K por construcción
5Respuestalas K turbinas que siguen funcionando
Del viento y las posiciones de las turbinas a las turbinas que siguen funcionando. Comparado con la búsqueda exacta, el recocido simulado, la búsqueda voraz y la elección válida al azar.
Lo que encontramos
3 a 7,5×
más probable muestrear la mejor elección que con una elección válida al azar (3,4 a 17,1× que la versión con penalización)
5 de 6
conjuntos de datos: la mejor elección exacta en todos los casos, igualando al recocido simulado con unos 120 intentos
2 de 3
casos con las 14 turbinas reales de Penmanshiel
100%
planes válidos, siempre, y una referencia reproducible
Más gráficos
Los gráficos están en inglés.
Resultados: más chance de la mejor elección
Cuántas veces es más probable que el circuito muestree la mejor elección, en seis conjuntos de datos.
Resultados: llegar a la mejor elección exacta
Porcentaje de casos en que la mejor de 1000 muestras es la mejor elección exacta.
Resultados: siempre un plan válido
Porcentaje de la probabilidad del circuito que cae en elecciones válidas.
Resultados: profundidad del circuito
Probabilidad de muestrear la mejor elección con profundidades 1, 2 y 3 (conjunto sintético).
Technical results by datasetResultados técnicos por conjunto de datos
Results by datasetResultados por conjunto de datos
Loading results...Cargando resultados...
MethodMétodo
VariantVariante
p
P(optimal)
P(valid)
Energy gapBrecha de energía
Time (s)Tiempo (s)
Means over the instances of each dataset, read from data/summary.json (copy of results/summary.json). P(optimal) is the probability of sampling the best layout, P(valid) the share of probability on valid layouts, energy gap the distance to the exact optimum (0 is optimal).Promedios sobre los casos de cada conjunto de datos, leídos de data/summary.json (copia de results/summary.json). P(optimal) es la probabilidad de muestrear la mejor elección, P(valid) el porcentaje de probabilidad en elecciones válidas y la brecha de energía la distancia al óptimo exacto (0 es óptimo).
Quantum Optimization for Wind Farms
Quantum Impact · Hackathon submission (Qollab)
This effort is supported by Qollab & IonQ
1. What is it?
QWind decides which turbines to keep running when a farm must produce less, so wakes waste as little energy as possible.
Tested on real wind farms and real winds
What each dataset is, and how many turbine positions we choose from.
Place
What it is
Turbine positions
Test cases
Penmanshiel, Scotland
Real farm: real turbine positions and measured wind
14 (also a 10-turbine subset)
15 (3 + 3 + 9)
Kelmarsh, England
Real farm: real turbine positions and measured wind
6
3
Chubut, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Bahía Blanca, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Synthetic
Made-up wind and grid, generated by us
6 to 12
24
A test case is one question: "keep K turbines out of N positions". Real wind data is open (CC BY 4.0).
Why a quantum computer? The number of plans explodes
3,432
14 turbines, keep 7 Instant on a laptop
1014
50 turbines, keep 25 About a day and a half to check them all
1029
100 turbines, keep 50 About 3 trillion years
10299
1,000 turbines (hypothetical) More plans than atoms in the universe (1080)
Checking one by one at a billion plans per second. Classical shortcuts (simulated annealing) keep working at larger sizes but do not guarantee the best answer. Whether our circuit can match them at 50 to 100 turbines is the open question; we do not answer it here.
2. Why does it matter, and who is it for?
Wind farm operators who must produce less for a while: grid limits, maintenance, environmental rules
Quantum developers who want a reproducible benchmark
The choice has a money value which turbines are switched off changes the energy lost to wakes
Choosing well wastes less energy
Share of power lost to wakes, Penmanshiel (14 turbines). Best layout against an average random choice.
Keep 5: best1.0%
Keep 5: random5.3%
Keep 7: best4.0%
Keep 7: random8.0%
Keep 9: best7.0%
Keep 9: random10.6%
Modelled losses (Jensen wake model), not measured production.
What the choice could be worth (money)
Penmanshiel, 14 turbines, 1,000 hours with only K turbines running. Best layout against an average random choice.
Turbines kept (of 14)
Power lost to wakes: best vs random
More energy
Extra energy
At $66/MWh
At $99/MWh
At $132/MWh
5
1.0% vs 5.3%
+4.5%
136 MWh
$9.0k
$13.5k
$18.0k
7
4.0% vs 8.0%
+4.3%
176 MWh
$11.6k
$17.4k
$23.2k
9
7.0% vs 10.6%
+4.0%
207 MWh
$13.7k
$20.5k
$27.3k
An illustrative scale from a model, not a forecast and not a measured saving.
How the money numbers are built
Every assumption behind the previous table.
Assumption
Value
Output of each running turbine
637 kW on average (measured in 2019, 31.1% capacity factor)
Time in that configuration
1,000 hours (a year has 8,760)
Wake losses
From our wake model (Jensen), best choice vs average random choice
Energy prices
£50, £75 and £100 per MWh = $66, $99 and $132 (1 GBP = 1.3220 USD, ECB rate of 2026-10-09)
Not counted
Costs, contracts, and what an operator does today
3. How does the quantum part work?
Always exactly 3 on
1Start from a valid plan
2Only swap switches in pairs
3Tune the circuit (about 120 tries)
4Sample 1,000 times, keep the best
The usual approach discourages invalid answers with a penalty but still produces many. Ours makes them impossible. Technical names: QAOA with an XY mixer and a Dicke start state.
Our circuit against the alternatives
Ranges across the six datasets.
Our circuit
Usual penalty version
Random valid choice
Output that is a valid plan
100%
26% to 64%
100%
Chance of sampling the best layout
reference
3.4 to 17.1 times lower than ours
3 to 7.5 times lower than ours
Best sampled layout is the exact best
all instances of 5 of 6 datasets; 2 of 3 on Penmanshiel
less often
0.95 to 1.00 chance up to 12 positions, 0.35 on average at 14
green all instances / yes yellow most instances / partly red no / worse
Our test results
Our circuit (XY mixer + Dicke start, depth 3) on every dataset. Counts are test cases.
Dataset
Positions
Always a valid plan
Better average quality than random valid choice
Higher chance of the best layout than random valid choice
Finds the exact best layout
Synthetic
6 to 12
100%
24 of 24
20 of 24
24 of 24
Penmanshiel
14
100%
3 of 3
3 of 3
2 of 3
Penmanshiel-10
10
100%
3 of 3
3 of 3
3 of 3
Penmanshiel, every K
14
100%
9 of 9
9 of 9
8 of 9
Kelmarsh
6
100%
3 of 3
3 of 3
3 of 3
Chubut
6 to 12
100%
8 of 8
7 of 8
8 of 8
Bahia Blanca
6 to 12
100%
8 of 8
8 of 8
8 of 8
green all instances / yes yellow most instances / partly red no / worse
Our circuit against the classical methods
7 of 7
Simulated annealing (classical) finds the exact best answer in every dataset
4 of 7
Greedy search (classical) finds the exact best answer in 4 datasets
5 of 7
Our circuit (quantum) exact best in every case of 5 datasets; 2 of 3 and 8 of 9 cases in the other two
Tries used to get there
Simulated annealing5,005
Our circuit120
Almost the same result with about 40 times fewer tries.
Competitive with the classical methods
Average gap to the exact best answer (0 = perfect). Same instances as the scorecard.
Dataset
Simulated annealing (about 5,005 tries)
Greedy search
Our circuit (about 120 tries, best of 1,000 samples)
Synthetic
0.0000
0.0129
0.0000
Penmanshiel (14)
0.0000
0.0060
0.0060
Penmanshiel, every K (14)
0.0000
0.0020
0.0020
Penmanshiel-10
0.0000
0.0000
0.0000
Kelmarsh
0.0000
0.0000
0.0000
Chubut
0.0000
0.0000
0.0000
Bahia Blanca
0.0000
0.0000
0.0000
Our results are competitive with classical methods at these sizes.
green all instances / yes yellow most instances / partly red no / worse
Built with the hackathon kit
What the rules asked for, and what we used.
Requirement
What we did
Use the Qiskit framework
Qiskit 2.5.2; the circuit is built by hand with Qiskit, plus NumPy and SciPy
Run on Qollab's free simulator
The live Run on Qollab uses its built-in simulator (about 20 seconds)
Published and runnable on Qollab, MIT license
Project page on Qollab; open source (MIT), 150+ tests
Full experiments
Same Qiskit code, run offline on a CPU (exact simulation, no noise) with a protocol fixed before running
Tested on real quantum hardware
IonQ Forte 1
Real quantum computer, 36 qubits, run through Qollab
997
shots (samples), one run
78
two-qubit gates (plus 123 one-qubit gates)
6 / 3
positions / turbines kept (a small case)
The circuit was tuned on the exact simulator; the real machine only produced the samples. A single small run, not a noise study.
What the real quantum computer gave us
Chance of sampling the best layout, valid samples only (22% of the hardware samples were invalid and are discarded).
Ideal simulator0.1784
IonQ Forte 1 (real hardware)0.1665
Random valid choice0.1000
The hardware came close to the ideal and stayed above random. The best sample was the exact best layout. Without filtering: 0.1304 chance of the best layout, 78% valid layouts.
4. How do I run it?
On Qollab
Open the project page and click Run your code with the built-in simulator. About 20 seconds.
MIT license, 150+ tests, protocol fixed before running.
The problem in pictures
A turbine standing inside another one's wake gets slower wind and produces less.
Which 7 of the 14 turbines should keep running?
Kept running (7)
Switched off (7)
Wake of a kept turbine
4.0%
power lost to wakes with the best choice
8.0%
for an average random choice of 7
The best of 3,432 plans (exact search). Real positions of Penmanshiel, Scotland. Model units, not measured production.
How QWind works
1Wind and positionsreal positions and a measured wind rose
2Wake modelwhich turbine shades which, and how much
3Choice problempick the K turbines with the least wake loss
4Quantum circuitbuilt in Qiskit; keeps exactly K by construction
5Answerthe K turbines to keep running
From the wind and the turbine positions to the turbines to keep running. Compared against exact search, simulated annealing, greedy search and random valid choice.
Results: better odds of the best layout
How many times more likely the circuit is to sample the best layout, on six datasets.
Results: reaching the exact best layout
Share of instances where the best of 1000 samples is the exact best layout.
Results: always a valid plan
Share of the circuit's probability that falls on valid layouts.
Results: circuit depth
Probability of sampling the best layout at circuit depths 1, 2 and 3 (synthetic dataset).
What we found
3 to 7.5×
more likely to sample the best layout than random valid choice (3.4 to 17.1× than the penalty version)
5 of 6
datasets: exact best layout in every instance, matching simulated annealing with about 120 tries
2 of 3
instances on the 14 real turbines of Penmanshiel
100%
valid plans, always, and a reproducible benchmark
Quantum Impact · Qollab x IonQ hackathon
QWind
Put the rule inside the circuit, and always compare against the simple baselines.
Real quantum computer, 36 qubits, through Qollab. A small case: 6 positions, keep 3 turbines, 997 shots, one run.
22%
of the samples were invalid because of real noise; they are spotted and discarded
Chance of sampling the best layout, valid samples only.
Ideal simulator0.1784
IonQ Forte 1 (real hardware)0.1665
Random valid choice0.1000
Even with real noise, the best sample was the exact best layout.
The problem: turbines steal wind from each other
QWind decides which turbines to keep running when a farm must produce less, so wakes waste as little energy as possible.
Tested on real wind farms and real winds
What each dataset is, and how many turbine positions we choose from.
Place
What it is
Turbine positions
Test cases
Penmanshiel, Scotland
Real farm: real turbine positions and measured wind
14 (also a 10-turbine subset)
15 (3 + 3 + 9)
Kelmarsh, England
Real farm: real turbine positions and measured wind
6
3
Chubut, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Bahía Blanca, Argentina
Real wind (reanalysis data) on a made-up grid of positions
6 to 12
8
Synthetic
Made-up wind and grid, generated by us
6 to 12
24
A test case is one question: "keep K turbines out of N positions". Real wind data is open (CC BY 4.0).
Which 7 of the 14 turbines should keep running?
Kept running (7)
Switched off (7)
Wake of a kept turbine
4.0%
power lost to wakes with the best choice
8.0%
for an average random choice of 7
The best of 3,432 plans (exact search). Real positions of Penmanshiel, Scotland. Model units, not measured production.
What the choice could be worth (money)
Penmanshiel, 14 turbines, 1,000 hours with only K turbines running. Best layout against an average random choice.
Turbines kept (of 14)
Power lost to wakes: best vs random
More energy
Extra energy
At $66/MWh
At $99/MWh
At $132/MWh
5
1.0% vs 5.3%
+4.5%
136 MWh
$9.0k
$13.5k
$18.0k
7
4.0% vs 8.0%
+4.3%
176 MWh
$11.6k
$17.4k
$23.2k
9
7.0% vs 10.6%
+4.0%
207 MWh
$13.7k
$20.5k
$27.3k
An illustrative scale from a model, not a forecast and not a measured saving.
Why a quantum computer? The number of plans explodes
3,432
14 turbines, keep 7 Instant on a laptop
1014
50 turbines, keep 25 About a day and a half to check them all
1029
100 turbines, keep 50 About 3 trillion years
10299
1,000 turbines (hypothetical) More plans than atoms in the universe (1080)
Checking one by one at a billion plans per second. Classical shortcuts (simulated annealing) keep working at larger sizes but do not guarantee the best answer. Whether our circuit can match them at 50 to 100 turbines is the open question; we do not answer it here.
How QWind works
1Wind and positionsreal positions and a measured wind rose
2Wake modelwhich turbine shades which, and how much
3Choice problempick the K turbines with the least wake loss
4Quantum circuitbuilt in Qiskit; keeps exactly K by construction
5Answerthe K turbines to keep running
From the wind and the turbine positions to the turbines to keep running. Compared against exact search, simulated annealing, greedy search and random valid choice.
Key results
100%
valid plans, always
up to 17.1×
more likely to find the best layout than the usual quantum penalty version
5 of 6
datasets: the exact best layout in every case
How many times more likely the circuit is to sample the best layout, on six datasets.Share of instances where the best of 1000 samples is the exact best layout.Share of the circuit's probability that falls on valid layouts.
Our circuit against the classical methods
Average gap to the exact best answer (0 = perfect). Same instances as the scorecard.
Dataset
Simulated annealing (about 5,005 tries)
Greedy search
Our circuit (about 120 tries, best of 1,000 samples)
Synthetic
0.0000
0.0129
0.0000
Penmanshiel (14)
0.0000
0.0060
0.0060
Penmanshiel, every K (14)
0.0000
0.0020
0.0020
Penmanshiel-10
0.0000
0.0000
0.0000
Kelmarsh
0.0000
0.0000
0.0000
Chubut
0.0000
0.0000
0.0000
Bahia Blanca
0.0000
0.0000
0.0000
Our results are competitive with classical methods at these sizes.
green all instances / yes yellow most instances / partly red no / worse
7 of 7
Simulated annealing (classical) finds the exact best answer in every dataset
4 of 7
Greedy search (classical) finds the exact best answer in 4 datasets
5 of 7
Our circuit (quantum) exact best in every case of 5 datasets; 2 of 3 and 8 of 9 cases in the other two
Tries used to get there
Simulated annealing5,005
Our circuit120
Almost the same result with about 40 times fewer tries.
Built on Qollab, open source, try it yourself
Qiskit + Qollab
Our circuit is a QAOA, built by hand in Qiskit with the hackathon kit; it runs on Qollab's built-in simulator in about 20 seconds.
Open source
MIT license, 150+ tests, protocol fixed before running.
Try it
Open the project page on Qollab and click Run your code.
QWind decide qué turbinas dejar funcionando cuando un parque tiene que producir menos, para que las estelas desperdicien la menor energía posible.
Probado en parques eólicos reales y con vientos reales
Qué es cada conjunto de datos y entre cuántas posiciones de turbina elegimos.
Lugar
Qué es
Posiciones de turbina
Casos de prueba
Penmanshiel, Escocia
Parque real: posiciones reales de turbinas y viento medido
14 (y también un subconjunto de 10)
15 (3 + 3 + 9)
Kelmarsh, Inglaterra
Parque real: posiciones reales de turbinas y viento medido
6
3
Chubut, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Bahía Blanca, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Sintético
Viento y grilla inventados, generados por nosotros
6 a 12
24
Un caso de prueba es una pregunta: "dejar K turbinas de N posiciones". Los datos de viento reales son abiertos (CC BY 4.0).
¿Por qué una computadora cuántica? La cantidad de planes explota
3.432
14 turbinas, dejar 7 Instantáneo en una notebook
1014
50 turbinas, dejar 25 Un día y medio para revisarlos todos
1029
100 turbinas, dejar 50 Unos 3 billones de años
10299
1.000 turbinas (hipotético) Más planes que átomos en el universo (1080)
Revisándolos de a uno, a mil millones de planes por segundo. Los atajos clásicos (recocido simulado) siguen funcionando con tamaños mayores, pero no garantizan la mejor respuesta. Si nuestro circuito puede igualarlos con 50 a 100 turbinas es la pregunta abierta; acá no la respondemos.
2. ¿Por qué importa y para quién es?
Operadores de parques eólicos que deben producir menos por un tiempo: límites de la red, mantenimiento, reglas ambientales
Desarrolladores cuánticos que quieren una referencia reproducible
La elección tiene un valor en dinero qué turbinas se apagan cambia la energía perdida por estelas
Elegir bien desperdicia menos energía
Porcentaje de energía perdida por estelas, Penmanshiel (14 turbinas). Mejor elección contra una elección al azar promedio.
Dejar 5: la mejor1,0%
Dejar 5: al azar5,3%
Dejar 7: la mejor4,0%
Dejar 7: al azar8,0%
Dejar 9: la mejor7,0%
Dejar 9: al azar10,6%
Pérdidas calculadas con un modelo (estelas de Jensen), no producción medida.
Cuánto podría valer la elección (dinero)
Penmanshiel, 14 turbinas, 1.000 horas con solo K turbinas funcionando. Mejor elección contra una elección al azar promedio.
Turbinas que siguen (de 14)
Energía perdida por estelas: mejor vs azar
Más energía
Energía extra
A $66/MWh
A $99/MWh
A $132/MWh
5
1,0% vs 5,3%
+4,5%
136 MWh
$9,0k
$13,5k
$18,0k
7
4,0% vs 8,0%
+4,3%
176 MWh
$11,6k
$17,4k
$23,2k
9
7,0% vs 10,6%
+4,0%
207 MWh
$13,7k
$20,5k
$27,3k
Una escala ilustrativa a partir de un modelo, no un pronóstico ni un ahorro medido.
Cómo se calculan los números de dinero
Cada supuesto detrás de la tabla anterior.
Supuesto
Valor
Producción de cada turbina encendida
637 kW en promedio (medido en 2019, factor de capacidad de 31,1%)
Tiempo en esa configuración
1.000 horas (un año tiene 8.760)
Pérdidas por estelas
De nuestro modelo de estelas (Jensen), mejor elección contra elección al azar promedio
Precios de la energía
£50, £75 y £100 por MWh = $66, $99 y $132 (1 GBP = 1,3220 USD, cotización del BCE del 2026-10-09)
No se cuenta
Costos, contratos y lo que hace hoy un operador
3. ¿Cómo funciona la parte cuántica?
Siempre exactamente 3 encendidos
1Partir de un plan válido
2Solo intercambiar interruptores de a pares
3Ajustar el circuito (unos 120 intentos)
4Muestrear 1.000 veces y quedarse con la mejor
El enfoque habitual desalienta las respuestas inválidas con una penalización, pero igual produce muchas. El nuestro las hace imposibles. Nombres técnicos: QAOA con mezclador XY y estado inicial de Dicke.
Nuestro circuito frente a las alternativas
Rangos en los seis conjuntos de datos.
Nuestro circuito
Versión habitual con penalización
Elección válida al azar
Resultados que son un plan válido
100%
26% a 64%
100%
Chance de muestrear la mejor elección
referencia
de 3,4 a 17,1 veces menor que la nuestra
de 3 a 7,5 veces menor que la nuestra
La mejor elección muestreada es la mejor exacta
todos los casos de 5 de 6 conjuntos; 2 de 3 en Penmanshiel
con menos frecuencia
chance de 0,95 a 1,00 hasta 12 posiciones, 0,35 en promedio con 14
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Nuestros resultados de prueba
Nuestro circuito (mezclador XY + estado de Dicke, profundidad 3) en cada conjunto de datos. Los conteos son casos de prueba.
Conjunto de datos
Posiciones
Siempre un plan válido
Mejor calidad promedio que la elección válida al azar
Más chance de la mejor elección que la elección válida al azar
Encuentra la mejor elección exacta
Sintético
6 a 12
100%
24 de 24
20 de 24
24 de 24
Penmanshiel
14
100%
3 de 3
3 de 3
2 de 3
Penmanshiel-10
10
100%
3 de 3
3 de 3
3 de 3
Penmanshiel, todos los K
14
100%
9 de 9
9 de 9
8 de 9
Kelmarsh
6
100%
3 de 3
3 de 3
3 de 3
Chubut
6 a 12
100%
8 de 8
7 de 8
8 de 8
Bahía Blanca
6 a 12
100%
8 de 8
8 de 8
8 de 8
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Nuestro circuito frente a los métodos clásicos
7 de 7
Recocido simulado (clásico) encuentra la mejor respuesta exacta en todos los conjuntos de datos
4 de 7
Búsqueda voraz (clásico) encuentra la mejor respuesta exacta en 4 conjuntos de datos
5 de 7
Nuestro circuito (cuántico) mejor exacta en todos los casos de 5 conjuntos; 2 de 3 y 8 de 9 casos en los otros dos
Intentos usados para llegar ahí
Recocido simulado5.005
Nuestro circuito120
Casi el mismo resultado con unas 40 veces menos intentos.
Competitivo con los métodos clásicos
Diferencia promedio con la mejor respuesta exacta (0 = perfecto). Mismos casos que el cuadro anterior.
Conjunto de datos
Recocido simulado (unos 5.005 intentos)
Búsqueda voraz
Nuestro circuito (unos 120 intentos, la mejor de 1.000 muestras)
Sintético
0,0000
0,0129
0,0000
Penmanshiel (14)
0,0000
0,0060
0,0060
Penmanshiel, todos los K (14)
0,0000
0,0020
0,0020
Penmanshiel-10
0,0000
0,0000
0,0000
Kelmarsh
0,0000
0,0000
0,0000
Chubut
0,0000
0,0000
0,0000
Bahía Blanca
0,0000
0,0000
0,0000
Nuestros resultados son competitivos con los métodos clásicos a estos tamaños.
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
Hecho con el kit del hackatón
Lo que pedían las reglas y lo que usamos.
Requisito
Qué hicimos
Usar el framework Qiskit
Qiskit 2.5.2; el circuito está hecho a mano con Qiskit, más NumPy y SciPy
Correr en el simulador gratuito de Qollab
La ejecución en vivo en Qollab usa su simulador integrado (unos 20 segundos)
Publicado y ejecutable en Qollab, licencia MIT
Página del proyecto en Qollab; código abierto (MIT), más de 150 tests
Experimentos completos
El mismo código de Qiskit, ejecutado offline en una CPU (simulación exacta, sin ruido) con un protocolo fijado antes de correr
Probado en hardware cuántico real
IonQ Forte 1
Computadora cuántica real, 36 qubits, usada a través de Qollab
997
disparos (muestras), una sola corrida
78
compuertas de dos qubits (más 123 de un qubit)
6 / 3
posiciones / turbinas que siguen (un caso chico)
El circuito se ajustó en el simulador exacto; la máquina real solo produjo las muestras. Una sola corrida chica, no un estudio de ruido.
Lo que nos dio la computadora cuántica real
Chance de muestrear la mejor elección, solo con muestras válidas (el 22% de las muestras del hardware eran inválidas y se descartan).
Simulador ideal0,1784
IonQ Forte 1 (hardware real)0,1665
Elección válida al azar0,1000
El hardware se acercó al ideal y quedó por encima del azar. La mejor muestra fue la mejor elección exacta. Sin filtrar: chance de 0,1304 de la mejor elección y 78% de elecciones válidas.
4. ¿Cómo lo ejecuto?
En Qollab
Abrí la página del proyecto y hacé clic en Run your code con el simulador integrado. Unos 20 segundos.
Licencia MIT, más de 150 tests, protocolo fijado antes de correr.
El problema en imágenes
Una turbina dentro de la estela de otra recibe menos viento y produce menos.
¿Cuáles 7 de las 14 turbinas deberían seguir funcionando?
Siguen funcionando (7)
Apagadas (7)
Estela de una turbina encendida
4,0%
de energía perdida por estelas con la mejor elección
8,0%
con una elección de 7 al azar, en promedio
La mejor de 3.432 combinaciones (búsqueda exacta). Posiciones reales de Penmanshiel, Escocia. Unidades del modelo, no producción medida.
Cómo funciona QWind
1Viento y posicionesposiciones reales y una rosa de vientos medida
2Modelo de estelasqué turbina tapa a cuál, y cuánto
3Problema de elecciónelegir las K turbinas con menos pérdida por estelas
4Circuito cuánticohecho en Qiskit; mantiene exactamente K por construcción
5Respuestalas K turbinas que siguen funcionando
Del viento y las posiciones de las turbinas a las turbinas que siguen funcionando. Comparado con la búsqueda exacta, el recocido simulado, la búsqueda voraz y la elección válida al azar.
Resultados: más chance de la mejor elección
Cuántas veces es más probable que el circuito muestree la mejor elección, en seis conjuntos de datos.
Resultados: llegar a la mejor elección exacta
Porcentaje de casos en que la mejor de 1000 muestras es la mejor elección exacta.
Resultados: siempre un plan válido
Porcentaje de la probabilidad del circuito que cae en elecciones válidas.
Resultados: profundidad del circuito
Probabilidad de muestrear la mejor elección con profundidades 1, 2 y 3 (conjunto sintético).
Lo que encontramos
3 a 7,5×
más probable muestrear la mejor elección que con una elección válida al azar (3,4 a 17,1× que la versión con penalización)
5 de 6
conjuntos de datos: la mejor elección exacta en todos los casos, igualando al recocido simulado con unos 120 intentos
2 de 3
casos con las 14 turbinas reales de Penmanshiel
100%
planes válidos, siempre, y una referencia reproducible
Impacto cuántico · Hackatón Qollab x IonQ
QWind
Poné la regla dentro del circuito y comparalo siempre con las alternativas simples.
Computadora cuántica real, 36 qubits, a través de Qollab. Un caso chico: 6 posiciones, dejar 3 turbinas, 997 disparos, una corrida.
22%
de las muestras fueron inválidas por el ruido real; se detectan y se descartan
Chance de muestrear la mejor elección, solo con muestras válidas.
Simulador ideal0,1784
IonQ Forte 1 (hardware real)0,1665
Elección válida al azar0,1000
Aun con ruido real, la mejor muestra fue la mejor elección exacta.
El problema: las turbinas se roban viento entre sí
QWind decide qué turbinas dejar funcionando cuando un parque tiene que producir menos, para que las estelas desperdicien la menor energía posible.
Probado en parques eólicos reales y con vientos reales
Qué es cada conjunto de datos y entre cuántas posiciones de turbina elegimos.
Lugar
Qué es
Posiciones de turbina
Casos de prueba
Penmanshiel, Escocia
Parque real: posiciones reales de turbinas y viento medido
14 (y también un subconjunto de 10)
15 (3 + 3 + 9)
Kelmarsh, Inglaterra
Parque real: posiciones reales de turbinas y viento medido
6
3
Chubut, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Bahía Blanca, Argentina
Viento real (datos de reanálisis) sobre una grilla de posiciones inventada
6 a 12
8
Sintético
Viento y grilla inventados, generados por nosotros
6 a 12
24
Un caso de prueba es una pregunta: "dejar K turbinas de N posiciones". Los datos de viento reales son abiertos (CC BY 4.0).
¿Cuáles 7 de las 14 turbinas deberían seguir funcionando?
Siguen funcionando (7)
Apagadas (7)
Estela de una turbina encendida
4,0%
de energía perdida por estelas con la mejor elección
8,0%
con una elección de 7 al azar, en promedio
La mejor de 3.432 combinaciones (búsqueda exacta). Posiciones reales de Penmanshiel, Escocia. Unidades del modelo, no producción medida.
Cuánto podría valer la elección (dinero)
Penmanshiel, 14 turbinas, 1.000 horas con solo K turbinas funcionando. Mejor elección contra una elección al azar promedio.
Turbinas que siguen (de 14)
Energía perdida por estelas: mejor vs azar
Más energía
Energía extra
A $66/MWh
A $99/MWh
A $132/MWh
5
1,0% vs 5,3%
+4,5%
136 MWh
$9,0k
$13,5k
$18,0k
7
4,0% vs 8,0%
+4,3%
176 MWh
$11,6k
$17,4k
$23,2k
9
7,0% vs 10,6%
+4,0%
207 MWh
$13,7k
$20,5k
$27,3k
Una escala ilustrativa a partir de un modelo, no un pronóstico ni un ahorro medido.
¿Por qué una computadora cuántica? La cantidad de planes explota
3.432
14 turbinas, dejar 7 Instantáneo en una notebook
1014
50 turbinas, dejar 25 Un día y medio para revisarlos todos
1029
100 turbinas, dejar 50 Unos 3 billones de años
10299
1.000 turbinas (hipotético) Más planes que átomos en el universo (1080)
Revisándolos de a uno, a mil millones de planes por segundo. Los atajos clásicos (recocido simulado) siguen funcionando con tamaños mayores, pero no garantizan la mejor respuesta. Si nuestro circuito puede igualarlos con 50 a 100 turbinas es la pregunta abierta; acá no la respondemos.
Cómo funciona QWind
1Viento y posicionesposiciones reales y una rosa de vientos medida
2Modelo de estelasqué turbina tapa a cuál, y cuánto
3Problema de elecciónelegir las K turbinas con menos pérdida por estelas
4Circuito cuánticohecho en Qiskit; mantiene exactamente K por construcción
5Respuestalas K turbinas que siguen funcionando
Del viento y las posiciones de las turbinas a las turbinas que siguen funcionando. Comparado con la búsqueda exacta, el recocido simulado, la búsqueda voraz y la elección válida al azar.
Resultados clave
100%
de planes válidos, siempre
hasta 17,1×
más chance de encontrar la mejor elección que la versión cuántica habitual con penalización
5 de 6
conjuntos de datos: la mejor elección exacta en todos los casos
Cuántas veces es más probable que el circuito muestree la mejor elección, en seis conjuntos de datos.Porcentaje de casos en que la mejor de 1000 muestras es la mejor elección exacta.Porcentaje de la probabilidad del circuito que cae en elecciones válidas.
Nuestro circuito frente a los métodos clásicos
Diferencia promedio con la mejor respuesta exacta (0 = perfecto). Mismos casos que el cuadro anterior.
Conjunto de datos
Recocido simulado (unos 5.005 intentos)
Búsqueda voraz
Nuestro circuito (unos 120 intentos, la mejor de 1.000 muestras)
Sintético
0,0000
0,0129
0,0000
Penmanshiel (14)
0,0000
0,0060
0,0060
Penmanshiel, todos los K (14)
0,0000
0,0020
0,0020
Penmanshiel-10
0,0000
0,0000
0,0000
Kelmarsh
0,0000
0,0000
0,0000
Chubut
0,0000
0,0000
0,0000
Bahía Blanca
0,0000
0,0000
0,0000
Nuestros resultados son competitivos con los métodos clásicos a estos tamaños.
verde todos los casos / sí amarillo la mayoría / en parte rojo no / peor
7 de 7
Recocido simulado (clásico) encuentra la mejor respuesta exacta en todos los conjuntos de datos
4 de 7
Búsqueda voraz (clásico) encuentra la mejor respuesta exacta en 4 conjuntos de datos
5 de 7
Nuestro circuito (cuántico) mejor exacta en todos los casos de 5 conjuntos; 2 de 3 y 8 de 9 casos en los otros dos
Intentos usados para llegar ahí
Recocido simulado5.005
Nuestro circuito120
Casi el mismo resultado con unas 40 veces menos intentos.
Hecho en Qollab, código abierto, probalo vos
Qiskit + Qollab
Nuestro circuito es un QAOA, hecho a mano en Qiskit con el kit del hackatón; corre en el simulador integrado de Qollab en unos 20 segundos.
Código abierto
Licencia MIT, más de 150 tests, protocolo fijado antes de correr.
Probalo
Abrí la página del proyecto en Qollab y hacé clic en Run your code.
