量子科技中心_量科网

优化在广泛的科学与工业应用中占据核心地位，而量子计算被普遍认为有望在该领域实现计算优势。迄今为止，噪声鲁棒性量子算法的研究主要由变分方法主导，其他替代方案仍相对缺乏探索。该研究团队提出了一类新型量子优化启发式算法，摒弃了变分框架，转而采用基于马尔可夫链蒙特卡罗（MCMC）技术的量子-经典混合方法。研究人员首先提出量子增强模拟退火（QeSA）和量子增强并行回火（QePT）算法，随后在困难的Sherrington-Kirkpatrick模型实例上进行验证，证明其性能缩放优于经典基准测试。这些算法预计具有对噪声的天然鲁棒性，并支持跨量子与经典资源的并行执行（仅需经典通信）。因此，该工作为利用近未来量子设备解决大规模优化问题提供了一条可扩展且具有潜在竞争力的技术路径。