量子科技中心_量科网

优化在量子信息科学与技术中无处不在，然而相应的优化空间可能存在虚假陷阱（即局部而非全局最优解），这很可能阻碍现有优化器找到最优解。传统观点认为此类陷阱源于参数不足，并预期在可调参数足够丰富时会消失。本工作系统研究了量子优化问题的优化空间特征，首次发现参数充足性并不能确保消除虚假陷阱。首先，该团队建立了一个完整的优化空间临界点分析框架——通过推导必要且充分条件，在特定假设下实现了对所有临界点的识别及其分类（局部极大值、极小值或鞍点）。随后研究表明，即使在参数充足的情况下，虚假陷阱仍可能存在于优化空间中，这意味着其出现不能仅归因于参数不足。更重要的是，研究揭示了优化空间拓扑结构与量子可区分性之间的深刻联系：虚假陷阱的出现与目标函数中量子态或操作符可区分性的丧失直接相关。最后，该工作讨论了相关发现的重要意义。该研究不仅深化了对量子-经典优化内在复杂性的理解，还为解决量子-经典优化问题提供了实用指导，从而显著推动相关量子信息处理任务中量子优势的验证进程。