量子科技中心_量科网

一系列量子算法，特别是那些利用变分参数化和基于电路优化的方法，正被研究作为解决经典难解组合优化问题（COP）的替代方案。然而，其适用性受到硬件限制的影响，包括浅层电路深度、有限量子比特数和噪声干扰。为缓解这些问题，该研究团队提出了一种基于图收缩的经典-量子混合框架，旨在减少COP的QUBO建模中变量和约束的数量，同时保持问题结构。该工作引入了三个核心创新点：（1）约束感知收缩技术，防止合并可能违反特定问题可行性约束的操作；（2）验证-修复流程，用于优化后修正不可行解；（3）动态调整策略，重新计算相关性并控制图收缩过程。该方法在三个标准基准问题中得到验证：多维背包问题（MDKP）、最大独立集问题（MIS）和二次分配问题（QAP）。实验结果表明，该方法提高了解决方案的可行性、降低了修复复杂度，并在硬件受限场景中提升了量子优化质量。这些发现为将近期量子算法应用于经典约束优化难题提供了可扩展的路径。