量子科技中心_量科网

将近期变分量子算法应用于动态卫星网络路由问题，代表了量子计算领域一个极具前景的研究方向。该工作对两种主要方法进行了批判性评估：用于离线路径计算的静态量子优化器（如变分量子本征求解器VQE和量子近似优化算法QAOA）与用于在线决策的量子强化学习（QRL）方法。通过理想化的无噪声模拟，研究人员发现这些算法面临重大挑战——静态优化器由于优化形势的复杂性，甚至无法解决经典计算中简单的4节点最短路径问题；同样，基于策略梯度方法的QRL智能体在动态8节点环境中无法学习有效路由策略，其表现与随机决策无异。这些负面结果表明，量子算法在通信网络领域实现真正优势之前必须解决关键障碍。该团队探讨了这些局限性的根本原因（包括贫瘠高原现象和学习不稳定性），并提出了未来可能克服这些问题的研究方向。