量子科技中心_量科网

诸如量子近似优化算法（QAOA）这类结构化变分量子算法已成为利用近期量子硬件优势的主要候选方案。该算法将经典计算（特别是变分参数优化）与量子特定程序交织，既融合了问题特异性优势（有时甚至具备可证明性），又能适应嘈杂中等规模量子（NISQ）设备的限制。虽然电路深度可参数化增加且已知在理想（无噪声）环境下能提升性能，但在实际硬件中更大深度会加剧噪声干扰——结果的整体质量关键取决于变分参数与电路深度两大因素。尽管确定最优参数属于NP难问题，但先前研究表明，随着电路深度增加及所研究问题类别的不同，这些参数可能呈现规律性、可预测的模式。本研究通过大量数值模拟系统性地探讨了经典参数对QAOA性能的影响，并提出一种简单高效的经验法则来寻找浅层电路的良好参数。研究结果表明：（i）最优参数常显著偏离预期模式；（ii）随着深度增加，QAOA性能对特定参数选择的敏感性逐渐降低；（iii）迭代式分量固定法的表现与多种成熟参数选择策略相当，在浅层电路时甚至可能更优。该工作明确了结构化参数模式产生的条件，以及何时需要重点关注模式偏离现象。这些关于浅层电路的发现为在实际量子计算场景中更稳健地运用QAOA提供了新思路。