量子退火、区块链与电子政务：重塑民主治理新格局
1. 量子退火助力选举建模
在退火过程中，系统先设定为基态，接着绝热演化过程启动。若该过程足够缓慢，系统最终应能提供最优结果，且此终态也为基态。不过，系统存在无法达到基态的可能性。借助玻尔兹曼机（BM）对相关性进行建模，并利用量子退火识别低能态，就能解决诸如选举建模这类优化问题。
QxBranch使用D - Wave量子退火机对2016年美国选举进行了实验。在其选举模型中，美国各州由二进制单元表示，模拟中获得最多选举人票的总统候选人被认定为选举获胜者。投票结果状态被映射到候选人，如民主党为1，共和党为0，每个州在模型中被赋予不同权重，这些权重依据该州对全国投票的影响力来确定。
建模一阶矩项时，需确定一个州投票给某候选人的概率，相关数据源自FiveThirtyEight，即各州的时间平均民意调查结果。例如，若民主党候选人赢得纽约的概率为70%，那么代表纽约的变量的一阶矩就是0.7。在选举前6个月获取每个州两位候选人的预计选票份额，用于计算各州的一阶矩项。而计算二阶项则更具难度，二阶项涉及对各州之间相关性的建模，即两个州在选举中出现相同投票结果的可能性。
通过分析过去11次美国总统选举的数据来确定各州之间的相关性。若两个州一直投票给同一政党，它们的相关性较高；若历史上一直投票给不同政党，相关性则较低。并且，在这些相关性中，更近期的选举数据被赋予更高权重。
由于量子计算基础设施的硬件限制，模型需要进行简化。D - Wave 2X系统无法嵌入包含50个美国州和华盛顿特区的模型，因此华盛顿特区和马里兰州被排除，因为它们成为民主党胜利区的可能性接近100%。模型基本建立后，还需定期使用数据进行训练。 </
