量子科技中心_量科网

本研究探讨了基于振幅放大的量子树搜索技术。振幅放大通过将Hadamard初始化替换为任意酉算子 \(A\)，推广了Grover算法；当采用均匀初始化时，便退化为Grover算法。该团队构建了一个深度为 \(m\) 的动态搜索树，其查询复杂度为 \(\sqrt{\left(b_{avg}\right)^m}\)，其中 \(b_{avg}\) 表示平均分支因子，从而优于通常假设的 \(\sqrt{\left(b_{max}\right)^m}\)（\(b_{max}\) 为最大分支因子）。此外，该研究进一步质疑了振幅放大劣于量子回溯这一普遍观点。事实上，量子回溯并不适用于那些天然不具备回溯结构的问题；在此类情形下，振幅放大能够实现更优的查询复杂度。研究人员注意到，振幅放大动态构建搜索树，导致其内部结构不可访问——这一限制同样适用于量子回溯。为解决此问题，该团队提出了基于采样的方法以估计树结构，其前提假设为随深度增加该结构近似服从正态分布。最后，该研究引入了一种基于前瞻启发式的量子贪婪搜索，该启发式受经典认知架构Soar的启发，模拟了类似人类的问题求解策略。