量子科技中心_量科网

经典-量子混合的量子近似优化算法（QAOA）中传统的外部优化循环，可通过利用特定问题实例类别中存在的参数集中特性，将预计算参数转移到更大规模未见问题实例上来规避。该工作将参数迁移应用于Bravyi等人提出的递归QAOA（RQAOA）方法，用于解决二进制喷漆车间问题（BPSP）——这是制造业中在满足特定约束条件下为汽车序列喷漆，同时最小化车辆间颜色更换次数的优化问题。BPSP可便捷地表述为具有对称哈密顿量和伊辛图结构的基态问题，非常适合QAOA参数迁移技术。在量子模拟实验中，参数迁移在QAOA和RQAOA上均未出现明显解决方案质量下降，同时因避免优化所需的测量而显著提升效率。此外，RQAOA仅需测量ZZ关联而非完整态矢量，其反向因果锥特性使得电路具有显著更低的CNOT门数量和深度。该研究通过参数迁移的QAOA和RQAOA性能与经典求解器和启发式算法进行基准测试，并探究其对非最优参数的鲁棒性。通过矩阵乘积态模拟获得纠缠熵和键维度，量化了模拟量子算法所需的经典资源。研究还对比了不同实现方案的电路规模和测量次数。