量子科技中心_量科网

量子近似优化算法（QAOA）已成为在嘈杂中等规模量子（NISQ）设备上展示量子优势的有前景候选方案。尽管存在多种QAOA参数化方案——从原始的单角度方法到更具表达力的多角度量子近似优化算法（MA-QAOA）和自同构角度量子近似优化算法（AA-QAOA）——每种方案都在表达力与经典优化复杂度之间呈现不同的权衡。该工作引入了k-交互角度量子近似优化算法（kA-QAOA），这是一种按k体交互阶数对代价函数项进行分组的参数化方案，在参数效率与解决方案质量之间提供了自然的折中方案。该方法特别适用于定义在超图上的组合优化问题，其中多体交互自然出现在布尔可满足性和含多方约束的资源分配等应用中。该团队在两类问题（3-均匀循环变号超图和随机系数超图）上对kA-QAOA与标准单角度量子近似优化算法（SA-QAOA）、MA-QAOA及AA-QAOA进行了基准测试。结果表明，kA-QAOA在达到与MA-QAOA相当的近似比的同时，所需的函数评估次数显著减少，从而降低了量子资源消耗。