量子科技中心_量科网

像变分量子本征求解器（VQE）这样的混合量子-经典算法虽有望在近期量子设备上实现量子模拟，但常受限于复杂目标函数和高昂优化过程。该研究团队提出Flow-VQE框架——通过参数化量子电路驱动的条件归一化流生成框架，可高效产生高质量变分参数。该创新将生成模型嵌入VQE优化循环，采用基于偏好的训练方式，既实现了免量子梯度优化，又为参数迁移提供了系统性方案，通过热启动优化加速相关问题的收敛速度。在氢链、水分子、氨及苯等分子体系的数值模拟中，Flow-VQE表现全面超越基准算法：用更少电路评估达成计算精度（提升幅度从轻微到超两个数量级），且用于新体系优化热启动时，相较哈特里-福克初始化可将后续微调加速高达50倍。该工作认为Flow-VQE将成为利用生成建模降低变分量子算法成本的实用化多场景范式。