量子科技中心_量科网

变分量子算法是量子计算的重要组成部分。该技术融合了量子与经典方法，用于解决机器学习、化学和组合优化中的复杂问题。然而随着算法规模扩大，这些方法仍无法规避“贫瘠高原”现象——当系统扩展时，梯度可能迅速消失，导致深度或随机初始化电路的训练变得几乎不可能。 为克服贫瘠高原问题，该研究团队提出两阶段优化框架：第一阶段为凸初始化，通过将量子能量景观（希尔伯特景观）塑造成平滑的低能盆地，使梯度更易识别并避免噪声干扰；获得稳定梯度流后进入第二阶段非凸优化，允许算法探索不同能量最小值以增强模型表达能力。 最终，该工作运用该两阶段方案对量子密钥分发协议（BB84）进行量子密码分析，以确定最优克隆策略。仿真结果表明，这种两阶段方案的性能显著优于随机初始化方法。