量子科技中心_量科网

量子退火器为大规模组合优化问题提供了有效解决框架。该工作提出了一种训练变分量子算法（VQAs）的新方法，通过将参数优化任务重构为二次无约束二进制优化（QUBO）问题。与传统基于梯度的方法不同，该研究团队的方法直接利用选定VQA拟设的哈密顿量，并采用自适应元启发式优化方案。这种优化策略提供了丰富的可配置参数集，能够适应特定问题特性和可用计算资源。所提出的框架可推广到任意哈密顿量，并集成了递归细化策略以逐步逼近高质量解。实验评估证明了该方法的可行性，相比经典优化器和进化优化器，该方法能显著降低计算开销，同时获得相当或更优的解质量。这些发现表明，量子退火器可作为VQA训练中经典优化器的可扩展替代方案，尤其在受困于贫瘠高原和噪声梯度估计的场景中，并为近期量子计算中混合量子门-量子退火-经典优化模型开辟了新可能性。