量子科技中心_量科网

随机量子哈密顿下降法（SQHD）——一种融合随机梯度计算效率与量子动力学全局探索能力的新型量子优化算法 该研究团队提出了一种创新性量子优化框架，将随机梯度下降（SGD）的计算效率与量子动力学的全局探索能力相结合。通过建立连续时间SGD的量子对应模型——Lindbladian动力学，研究人员进一步开发出可在近期量子设备上实现的离散门基算法。该工作严格证明了SQHD在凸平滑目标函数上的收敛性，数值实验还表明其在非凸优化场景中同样具有优势。这些突破性进展为量子增强机器学习开辟了新途径。