量子科技中心_量科网

在大规模优化问题上证明量子启发式算法优于强经典求解器仍是一个开放挑战。该研究团队提出“正则化热启动量子近似优化算法”(RWS-QAOA)，该方法通过最小化带有正则化项的期望能量来初始化量子比特，该正则化项会惩罚接近比特串的状态，从而防止算法陷入停滞。研究人员进一步提出一种协议，可生成固定且与问题实例无关的参数，使RWS-QAOA能作为非变分算法运行——量子电路参数固定，仅经典热启动步骤与具体实例相关。 该团队在随机正则图的Max-Cut问题上评估RWS-QAOA，该协议可生成恒定深度的量子电路。通过三重验证：首先在Quantinuum离子阱处理器上，该算法在96节点3-正则图上表现优于具有最佳可证明保证的经典算法(Goemans-Williamson和Halperin-Livnat-Zwick)；其次在多达10,000节点的张量网络模拟中，深度6的RWS-QAOA平均切割分数达0.9167，超越了匹配限制条件下(无局部搜索后处理和无迭代优化)的最佳经典启发式算法；最后移除这些限制后，与包括改进版并行Burer-Monteiro求解器在内的最强无约束经典算法对比，研究预测在130万物理量子比特内，表面码RWS-QAOA在3,000节点图上可实现低于0.2秒的量子-经典运行时交叉点。 这些结果表明，当在未来量子计算机上执行时，恒定深度量子电路结合经典热启动具有超越Max-Cut问题经典求解器的可信潜力。