量子科技中心_量科网

变分量子算法（VQA）是展示近量子硬件实用性能的有力工具，其应用涵盖优化、量子模拟及机器学习领域。尽管研究者已探讨了VQA的可训练性，但量子噪声对经典优化过程的影响仍未被充分理解。与预期相反，该团队发现标准纠错策略中常用的噪声对称化操作“扭曲处理”（twirling）在变分场景中反而会降低性能，而保留有偏或非酉噪声则有助于经典优化器找到更优解。通过理论分析，该团队研究了一个通用量子回归模型，证明相对均匀的泡利信道会抑制梯度幅值并降低表达能力，从而增加优化难度；反之，振幅阻尼或有偏泡利信道等非对称噪声会引入方向性偏差，可被优化过程利用。针对横场伊辛模型的变分特征求解器数值实验证实，相较于扭曲噪声，非酉噪声能产生更低能态。最后，该团队论证了相干误差可通过参数重设完全消除。这些发现挑战了传统噪声缓解策略，表明保留噪声偏差可能提升VQA性能。