量子科技中心_量科网

近似组合优化是量子计算机的一个有前景的应用场景。量子优化算法通常采用固定拟设（ansatz），将无偏初始态演化为优化目标值更优的状态，然后对状态进行采样以确定近似最优解。然而，另一种有前景的方法考虑了“热启动”和基于采样的策略：从已知的最佳解出发，利用量子计算机直接进行优化，并在获得新信息时更新该解，这种方法可能超越固定拟设的性能。在此，该工作利用这些思想设计了一种非变分量子组合优化算法。在每一步中，算法从一个叠加在已知最佳解周围的状态开始，然后通过量子虚时间演化将其驱动到更低能量。这些非变分、依赖于初始态的电路通过仅使用传统计算机评估的解析方程确定。实现电路后，对状态进行采样，可能获得一个新的已知最佳解，用作下一次迭代的初始态。通过在最多30个顶点的3-正则图上求解MaxCut问题，并使用总共100次采样的预算进行模拟，该方法的解中位数达到全局最优解的95%以上，并在11%以上的案例中找到最优解，显著优于随机和简化的经典搜索过程。该工作还讨论了未来的几个研究方向。