量子科技中心_量科网

变分量子算法面临一个根本性的可训练性危机：随着系统规模扩大，贫瘠高原现象会使优化难度呈指数级增长。尽管近期的李代数理论精确刻画了这些高原何时出现及成因，但目前尚无实用优化方法能在有限样本条件下提供规避它们的性能保证。该研究团队提出“序列化高原自适应区域测试算法”（SPARTA），这是首个具备明确、任意时刻有效风险控制的量子优化测量节约型调度器。该方法整合了三个具有严格统计基础的组件： （i）基于χ²校准的序贯检验，利用似然比超鞅区分贫瘠高原与信息丰富区域； （ii）采用单边接受准则的概率信任域探索策略，防止在散粒噪声下产生虚假改进； （iii）理论最优的开发阶段，实现可达到的最佳收敛速率。该工作证明了高原退出时间的几何边界、信息盆地中的线性收敛特性，并揭示了李代数方差代理如何在不影响统计校准的前提下提升检验功效。