基于采样的引导量子行走:用于组合优化的非变分量子算法
该研究团队推出了一种名为SamBa–GQW的新型量子算法,该算法能在不使用任何经典优化器的情况下,求解任意阶数的二元组合优化问题。该算法基于连续时间量子游走机制,将解空间表示为图结构——量子行走者通过探索解空间,寻找能使优化问题代价函数最小化的顶点。
该工作的核心创新点在于:1)采用离线经典采样协议获取问题哈密顿量谱信息;2)利用提取的信息通过时变跃迁率的量子游走引导行走者获得高质量解。研究人员在二次优化问题(如最大割、最大独立集、投资组合优化)及高阶多项式问题(如LABS、MAX-k-SAT及旅行商问题的四次方重构)上验证了算法性能。实验证明,SamBa–GQW仅需在2^n种可能决策中采样n^2个状态,即可为不超过20量子比特规模的问题提供优质近似解,其表现显著优于其他导向量子行走算法和量子近似优化算法(QAOA)。
