資産（株式や暗号通貨など）のリストからの価格（時系列）があると仮定します。 例 (単位: USD): 資産 1、2、3 の 5 日間の終値 これらの資産に投資したい場合、一部の資産にのみ投資できるため、翌日 (6 日目) にどの資産が最高の利益と最低のリスクをもたらすのかという問題が生じます。これは、（個別の）ポートフォリオの最適化につながります（この問題は SAT 問題として扱うことができます）。

Q-Fleet は、量子コンピューティングの力を通じてフリート管理に革命を起こすように設計された究極の量子アプリケーションです。 Q-Fleet は、複雑な車両経路指定問題 (VRP) に取り組むことで、車両の使用を最適化し、最大限の効率を確保し、運用コストを削減するための比類のないソリューションを提供します。 Q-Fleet は、高度な量子アルゴリズムを採用して、配送時間、車両の収容能力、距離の最小化などのさまざまな制約を考慮して、車両群のルートを分析および最適化します。これにより、車両の運用効率が向上するだけでなく、環境の持続可能性の目標に沿って、燃料消費量と二酸化炭素排出量の削減にも大きく貢献します。

航空業界向けの巡回セールスマン問題 (TSP) を解決するために設計された最先端の量子アプリケーションである Q-Flight Planner で空の旅の未来を発見してください。この革新的なアプリは、量子コンピューティングの比類のないパワーを活用して飛行経路と燃料消費を最適化し、運用コストと環境への影響を大幅に削減するソリューションを提供します。 Q-Flight Planner は、洗練されたアルゴリズムを利用して複数の飛行ルートを分析し、さまざまな目的地間で最もコスト効率が高く環境に優しい経路を効率的に決定します。これらのルートを最適化することで、航空会社は燃料使用量を大幅に削減し、大幅な節約と二酸化炭素排出量の顕著な削減につながります。

K 平均は、一般的な教師なし機械学習アルゴリズムです。M 個の点と k (クラスターの数) が与えられると、このアルゴリズムは k 個の重心を見つけ、新しい点と重心の間の距離を比較することによってラベルの新しい点を予測します。新しい点は、その重心が新しい点に最も近いクラスターに属します。 量子 K 平均は、通常のユークリッド距離関数 (O(N^2)) を量子ユークリッド距離関数 (O(log(N)) に置き換えることにより、K 平均の拡張バージョンです (N は点の次元です)。 。