2026年3月4日——变分量子算法被普遍视为实现近期量子优势的途径，但其性能往往取决于一小部分关键参数以及纠缠如何通过电路耦合这些参数。在《量子评论快报》新发表的研究中，一个研究团队利用量子费希尔信息（QFI）来量化量子近似优化算法（QAOA）状态对参数扰动的响应，并将单个参数的相关性与跨参数关联性区分开来。

该团队通过QFI量化了QAOA状态对参数扰动的敏感性，同时分离出参数间的相互关联。资深通讯作者董世海（音译）教授解释道：“QFI提供的不仅是一个单一评分——它能同时揭示参数敏感性的强度，以及随着电路演化参数间产生的强关联性。”

研究人员在循环图和完全图上分析Max-Cut问题，并结合随机伊辛模型实例，比较了纯RX混频器和RX-RY混合混频器在深度p=9时的表现。他们还研究了不同纠缠模式插入产生的影响。在所有问题类型中，完全图Max-Cut产生的QFI特征值和协方差分数始终高于循环图，其数值超过散粒噪声标度(4N)但仍低于海森堡极限(4N^2)。研究还发现饱和现象：首个纠缠阶段贡献了大部分QFI增长，而额外阶段往往收益递减，有时甚至会降低净增益。

“我们计算了随机参数样本的平均QFI矩阵，揭示了稳定的全局趋势，并发现参数相关性存在强烈非均匀性，这种非均匀性随电路结构和深度变化，”董教授补充道。

基于这些QFI特征，研究人员提出了一种QFI信息突变（QIm）启发式算法，利用对角QFI条目自适应调整突变概率和步长。相较于均匀突变和随机重启基线方法，QIm显著改善了收敛行为和多次运行的稳定性，在更大深度和随机伊辛模型场景中效果尤为显著。

“在NISQ时代，优化过程往往是瓶颈。QFI既为诊断电路训练困难提供了理论依据，也为提升优化可靠性提供了实用工具，”董教授指出。

总体而言，这项研究确立了QFI的双重价值：既是分析QAOA电路结构特征的探测工具，也是在NISQ时代限制下构建更可靠优化策略的实用资源。