量子科技中心_量科网

变分量子算法已成为解决近期量子计算机上广泛问题的一种标准方法。然而，为变分算法确定合适的拟设配置仍然是一项具有挑战性的任务，尤其是在考虑到实际量子平台的限制时。这促使了数字-模拟量子电路的发展，其中量子门序列与自然哈密顿演化交替进行。一个突出的例子是在基于离子的量子计算机中诱导的可控长程伊辛相互作用的应用。这种相互作用最近被用于开发一种类似于量子近似优化算法（QAOA）的算法，但专为离子硬件设计。该算法的性能表现出对单个离子-离子相互作用强度的强烈依赖性，这些相互作用作为拟设超参数。在该工作中，研究人员提出了一种启发式方法，用于识别特定问题的拟设配置，从而增强离子原生数字-模拟电路的可训练性。所提出的方法系统地应用于最多15个量子比特的Sherrington-Kirkpatrick哈密顿量的随机实例，提供了有利的成本景观。结果表明，所开发的方法识别出了一种易于训练的离子原生拟设，与标准QAOA相比，它需要更低的电路深度来解决特定问题。这使得该算法离大规模实际应用更近了一步。