量子科技中心_量科网

该团队通过实验展示了基于测量的连续变量量子近似优化算法（CV-QAOA），该算法针对多变量问题及多个QAOA深度，在四轨晶格（QRL）簇态上实现。研究人员提出了一种系统化方法，将任意二次代价函数映射到QRL架构上，并在包含多达100个模式的设置中检验了所构建的结构。利用可编程平台，该团队制备了CV-QAOA拟设，并通过贝叶斯优化来优化变分参数。随后，研究人员对二次优化问题的性能进行了研究，观察到将深度从1增加到2可提升性能，而进一步增加深度仅带来有限的改善。相比之下，在理想化条件下的数值模拟（假设无限次测量采样和基于梯度的优化）表明，CV-QAOA的性能可随深度增加而提升，这表明实验观察到的局限性主要源于噪声累积和经典优化方面的挑战。该工作首次在可编程CV平台上实现了CV-QAOA的实验演示，为CV系统中变分量子算法的未来发展奠定了基础。