量子科技中心_量科网

该研究团队提出了一种基于张量网络（TN）的经典优化问题求解方法，该方法受到量子态谱滤波与采样技术的启发。研究团队首先对代价函数的伊辛哈密顿量进行平移和缩放处理，使所有特征值转为非负且基态对应于最大特征值，随后通过幂迭代法放大这些特征值。将变换后的哈密顿量表示为矩阵乘积算子（MPO）后，通过截断式MPO-MPO收缩构建该算子的高次幂，并将结果算子嵌入矩阵乘积态进行计算基采样。与密度矩阵重整化群方法相比，该方法通过增加键维度提供了系统化改进的直接路径，并能更有效规避局部极小值。团队还研究了该幂方法在重六边形晶格高阶伊辛哈密顿量中的性能表现，并与模拟退火算法进行了对比。这些成果彰显了量子启发算法解决优化问题的潜力，并为评估和开发量子算法建立了基准。