量子科技中心_量科网

量子退火（QA）能高效解决目标函数可表示为二次无约束二进制优化（QUBO）形式的组合优化问题。为拓展QA的适用性，通常采用二次化方法将高阶问题转化为QUBO形式。然而，针对涉及机器学习（ML）的复杂问题的二次化方法仍鲜为人知——这类问题因强烈的非线性和密集的交互作用，使传统方法难以适用。为此，该研究团队提出采用整流线性单元基函数的求和来建模目标函数，该方法不仅具备万能逼近能力，还具有等效的二次多项式表达形式。该工作通过数值验证与理论分析双重验证了概念可行性。此外，研究人员结合量子退火与所提出的二次化方法，设计出一种新型黑箱优化方案：将经过二次化处理的ML代理回归器输入量子退火系统进行求解。