该研究团队对八种变分量子化学优化算法进行了基准测试，使用tVHA评估了这些算法在无噪声和采样噪声条件下对H2、H4以及LiH分子（包括完整空间和活性空间）的性能表现。研究发现采样噪声从根本上改变了优化器行为：基于梯度的方法在理想条件下表现最佳，而基于种群的算法（如CMA-ES）在噪声环境下展现出更强鲁棒性。Hartree-Fock初始化的使用使函数评估次数减少27%-60%，且相比随机起始点始终能获得更高最终精度。研究人员还发现采样噪声设定的精度极限，当采样次数超过约1000次时会出现收益递减现象。
