量子科技中心_量科网

基于反馈的方法作为量子近似优化算法（QAOA）解决MAX-CUT等组合优化问题的替代训练范式，已获得显著关注。其中，量子李雅普诺夫控制（QLC）采用反馈驱动的控制律，能保证目标值单调非减，可大幅降低QAOA的训练开销并缓解贫瘠高原问题。然而，这些方法可能需要较长的控制序列，导致收敛速度欠佳。该工作提出一种混合方法，通过融入逐层梯度估计来加速QLC的收敛，同时保持其低训练开销和稳定性保障。该方法利用分层梯度信息选择接近最优的控制参数，从而实现显著更快的收敛速度和更强的鲁棒性。该研究团队通过针对各类问题实例和优化设置的大规模数值实验，验证了该方法的有效性。