量子科技中心_量科网

格罗弗搜索算法在查询复杂度方面相比经典暴力搜索提供了二次加速，被广泛用作多种量子算法中的通用子程序，包括针对具有大规模搜索空间的组合优化问题。对于此类问题，在初始化阶段通过融入问题约束来缩减有效搜索空间是自然选择，这在格罗弗算法中可通过制备能编码约束信息的结构化初始态来实现。该研究团队提出了一个系统化框架，其包含简单的预处理步骤，用于实现格罗弗算法中考虑线性约束的初始化过程。虽然这类结构化初始态能减少获得解所需的预言查询次数，但其制备过程会引入额外的电路层开销。因此，研究人员提供了保守的电路层资源分析，证明所得约束感知初始化方案能在门数量和电路深度方面提升资源效率。通过精确覆盖问题的数值模拟进一步验证了该框架的有效性。总体而言，该工作表明相比标准均匀初始化方案，这一方法为实现资源效率更高的格罗弗算法提供了实用基准。