量子退火算法在加权图二分问题中的不公平采样
量子退火(QA)是一种解决组合优化问题的前景广阔的方法,但已知其存在不公平采样现象——即使退火时间足够长,简并基态也无法被等概率采样。公平采样在解多样性评估和组合计数等应用中至关重要,然而不公平采样的机制仍知之甚少,特别是在约束型组合优化问题中。本研究以加权图二分问题(GBP)这一典型约束优化问题为对象,探究了量子退火中的不公平采样现象。该团队重点分析了惩罚项系数在罚函数法中对采样公平性的影响。通过数值模拟和在D-Wave Advantage2系统上的实验,研究证实增大惩罚系数能降低典型单实例中的不公平采样,且该定性规律在实际硬件中同样成立。针对最多12个自旋的随机生成实例进行标度分析发现,虽然该趋势并非普适,但在所研究的最大系统规模下,超过70%的实例仍呈现采样公平性随惩罚系数单调提升的现象。这些结果表明,增大惩罚系数虽会以实际退火条件下的基态概率为代价,但能提升采样公平性,这要求对约束优化问题中的不公平采样机制开展更深层的理论阐释。

