量子科技中心_量科网

变分量子算法正越来越多地被探索用于近期量子设备相关规模的优化问题。其实际性能在很大程度上取决于设计选择，例如采样目标、经典优化器以及硬件编译前后的量子线路布局。该团队针对动态投资组合优化这一多周期金融问题研究了这些因素，该问题需平衡收益、风险、交易成本、现金利息效应及约束条件。该团队采用基于采样的变分量子算法框架，在150量子比特的动态投资组合实例上评估了优化工作流的多个组成部分。该团队提出了一种特定的自适应条件风险价值调度方案，该方案逐步收紧用于优化的采样尾部，同时结合了基于粒子群优化的全局探索与基于中村-藤井-户田优化器的局部精化两阶段优化器。该团队还研究了量子线路深度和序贯增长策略。最后，该团队引入了两种硬件感知的线路布局修改：一种数据引导的着色布局，将相关变量分配给由纠缠门连接的量子比特；以及一种为重六边形架构设计的深度链布局，旨在增加原生双量子比特交互深度，而无需在编译后进行额外路由开销。模拟器研究选定了条件风险价值、优化器和深度配置，而线路比较则在ibm_quebec量子处理单元上进行。结果表明，采样策略、优化器调度和硬件感知布局设计对性能有实质性影响。在报告的量子处理单元布局比较中，所提出的重六边形原生深度链布局在测试的布局中取得了最佳最终目标值和条件风险价值尾部性能。尽管该团队未观察到相对于最先进精确经典求解器的量子优势，但该研究结果为在近期硬件上提升变分量子算法性能提供了实用指导。