量子科技中心_量科网

变分量子本征求解器（VQE）的优化过程正面临有限采样噪声的严峻挑战——这种噪声会扭曲代价函数地形、产生虚假变分极值点，并引发称为“胜者偏差”的统计误差。该研究团队通过对比八种经典优化器（涵盖梯度法、无梯度法和元启发式方法）在量子化学哈密顿量（H₂、H₄链、LiH的全空间及活性空间）上的表现，采用截断变分哈密顿拟设展开研究。分析表明：梯度类方法（如SLSQP、BFGS）在噪声环境中易出现发散或停滞；基于种群优化的算法通过追踪总体均值（而非有偏的最优个体）可有效校正估计偏差。研究结果在硬件高效电路和凝聚态模型中也具普适性，确定自适应元启发算法（特别是CMA-ES和iL-SHADE）为最优抗噪策略。该工作最终提出一套针对噪声环境VQE优化的实用准则，其核心在于物理启发的拟设协同设计及自适应优化器的运用。