该研究团队提出了一种通用且精确的梯度推导框架,该框架适用于变分量子算法(VQAs)中所有可微成本函数。该框架无需依赖限制性假设即可提供解析梯度,从而将基于梯度的优化扩展到传统期望值设定之外。这些梯度可通过Hadamard测试和Hilbert-Schmidt测试在量子硬件上直接获取,使得该方法具有实验可行性。研究人员在变分量子编译场景中验证了该方法,证明其能实现高效稳定的优化。通过建立这种通用且兼容硬件的方法,该工作提升了VQAs的可扩展性和可靠性。
页数/图表:
登录可见
提交arXiv:
2025-09-22 14:15