量子科技中心_量科网

该研究团队探索了一种混合量子-经典算法，用于解决正则图上的最大独立集（MIS）问题。该方法将量子近似优化算法（QAOA）与最小度经典贪心算法相结合，利用从正则树上深度p的QAOA电路预计算获得的角度参数，通过计算局部期望值为逐步构建独立集的序列化贪心决策提供依据。这种混合策略保持了浅层量子电路优势，且无需针对具体问题实例进行参数训练，特别适合在当前量子硬件上实现——研究人员已在20量子比特的IQM超导设备上成功运行该算法，处理了包含数千节点的图结构。通过张量网络模拟，该工作评估了算法在当前量子硬件能力之外的性能表现，并与经典启发式算法进行了对比。结果表明，即使在较低深度（p=4）下，这种量子增强的贪心方法也显著优于纯经典贪心基线及更复杂的近似算法。该算法模块化结构及较低的量子资源需求，使其成为NISQ时代及未来可扩展混合优化方案的有力候选。