量子科技中心_量科网

量子近似优化算法（QAOA）目前主要在最大割、旅行商问题、SAT问题等合成随机实例上进行基准测试，但这些实例缺乏语义结构和人类可解释性，难以反映算法在具有实际约束条件的现实问题中的表现。该研究团队提出了量子王车易位统治问题（QKRD）——一个基于国际象棋战术位置的NISQ级基准测试，包含5,000个具有独热约束、空间局部性特征的10-40量子比特规模结构化实例。该基准将人类可解释的覆盖度指标与经典启发式算法的本征验证相结合，无需外部验证机制即可得出算法结论。 通过QKRD测试，研究人员系统评估了QAOA的设计选择：保持约束的混频器（XY型、畴壁型）比标准混频器收敛速度快约13步（p<10^-7，效应量d≈0.5）且无需惩罚调参；热启动策略将收敛步数减少45步（p<10^-127，d=3.35）同时能量提升超过d=8；条件风险价值（CVaR）优化则呈现负面结果——能量更差（p<10^-40，d=1.21）且未提升覆盖度。本征验证显示QAOA性能优于贪婪启发式算法12.6%，超越随机选择80.1%。这些结果表明结构化基准能揭示问题导向型QAOA技术的优势，而这些优势在随机实例测试中往往被掩盖。该工作公开了全部代码、数据及实验材料以支持可重复的NISQ算法研究。