量子科技中心_量科网

变分量子本征求解器（VQE）算法存在“贫瘠高原”现象，即梯度随系统规模和电路深度增加而消失。虽然已有多种缓解策略，但其在不同迭代预算下与收敛性能的关联仍不明确。此外，目前也缺乏对特定场景下最优前沿缓解技术的系统性分析。该研究团队在4至14量子位的分子体系上，以标准VQE为基准，对比评估了局部-全局法、绝热法、状态高效拟设（SEA）和预训练VQE四种方法，分析了高达50层的梯度方差和1000次迭代的收敛性。结果表明，梯度保持的效果具有迭代依赖性：在14量子位的BeH2体系中，预训练VQE在100次迭代时表现优于SEA（尽管梯度方差更低），但到1000次迭代时SEA精度反超2.2倍；对于较小体系（H2和LiH），SEA能以0.999保真度获得近精确能量值（H2：10^-5哈特里，LiH：2x10^-4哈特里），而标准方法则过早陷入平台期。这些发现证明，有效的贫瘠高原缓解需根据系统规模和可用计算资源匹配策略，而非仅将梯度方差作为性能预测指标。