量子科技中心_量科网

虚时演化已被证明是解决量子硬件上组合优化问题的有前景框架。该研究团队提出了一种经典量子启发式策略，通过将整型决策变量编码为多能级量子态（即量子比特高阶态qudit）来解决组合优化问题。相较于二进制编码方案，该方法在减少决策变量数量的同时，天然满足单一关联约束。通过将系统约束在整个优化过程中保持乘积态，实现了高效的经典模拟。研究人员采用一系列幺正算子序列来优化qudit态，这些算子通过迭代逼近虚时演化动力学。与既往研究不同，该工作提出基于梯度的方法自适应选择厄米算子来生成每步优化中的态演化，从而改善算法收敛特性。所提算法在带约束的最小d-割问题中展现出优于Gurobi求解器的性能（尤其当d值较大时），在惩罚约束公式下表现尤为突出。