量子科技中心_量科网

密集无线网络中的离散无线电资源管理问题自然被建模为二次无约束二元优化（QUBO）程序，但难以大规模求解。该研究团队探索了一种基于递归量子近似优化算法（RQAOA）的量子-经典混合方法，该方法将浅层QAOA模块与通过测量单量子比特和双量子比特关联器引导的变量消除过程交替结合。针对干扰感知的信道分配问题，研究人员提出了一种紧凑的QUBO/Ising模型，其中成对干扰会引发同信道耦合，而通过二次惩罚项（或可选的约束保持混合器）强制执行独热约束。在RQAOA框架内，固定高置信度变量或关系可降低问题维度、稳定训练过程，并将测量资源集中于不断缩小的实例上——当问题规模低于阈值时即采用精确求解。在中等规模仿真实例（包括一个四用户四信道的案例）中，该方法始终返回可行分配方案，并在演示案例中达到了全局最优。这些结果表明，递归机制能缓解影响传统QAOA的参数增长和可行性问题，为无线资源分配领域的中短期量子启发式算法提供了一条可行路径。