量子科技中心_量科网

变分量子算法（VQAs）是噪声中等规模量子（NISQ）时代的重要工具，在众多领域展现出量子计算的潜力。然而，该算法性能受限于局部最小值、贫瘠高原现象及当前量子硬件的噪声等优化挑战。作为VQAs核心子集，变分量子本征求解器（VQE）通过哈密顿量最小化来近似分子基态能量，推动了量子化学应用发展。该技术不仅助力凝聚态物理研究量子相变与奇异态，还通过优化参数化电路为量子机器学习中的分类器与生成模型提供支持。该研究系统评估了50余种元启发式优化算法（含进化算法、群体智能和音乐启发方法）在VQE多模态噪声环境中的表现。采用多阶段筛式评估策略，研究人员在一维伊辛模型（3-9量子比特）上筛选出最优算法，并进一步在哈伯德模型（最多192参数）中测试其收敛速度、优化效能及噪声鲁棒性，为噪声量子环境下的优化问题提供了重要实践指导。