量子科技中心_量科网

该团队研究了高斯玻色采样（GBS）在密集k子图问题（DkSP）中的应用。由于严格的基数约束，采用硬后选择的GBS采样效率较低。为解决这一局限，该工作引入了有效的经典后处理策略，将原本被丢弃的近k样本转化为可行解。通过全面的仿真实验表明，这些方法在社区结构图上实现了接近最优的解质量，同时采样效率相比后选择提高了约4倍；此外，在稀疏随机图上，即使使用大量样本，后选择也往往无法达到最优解。进一步地，所提出的方法在中等规模图上与已有经典方法表现相当，甚至在某些情况下更优。总体而言，研究结果表明，虽然单独使用后选择的GBS效果不足，但将其与轻量级经典精化相结合可以非常有效。这突显了混合量子-经典框架的潜力，并将GBS定位为组合图优化中一种有前景的采样基元。