量子科技中心_量科网

该研究团队提出了一种广义化的“概率近似优化算法（PAOA）”——一种经典的变分蒙特卡洛框架，该框架扩展并规范了Weitz等人在文献[Combes_2023]中的前期工作，实现了在现有伊辛机和概率计算机上的参数化快速采样。PAOA通过二元随机单元网络的迭代耦合调节运行，其调节过程由独立样本的成本评估指导。研究人员建立了无导数更新与完整2^N×2^N马尔可夫流梯度之间的直接对应关系，证明PAOA具有原理性变分公式。模拟退火在受限参数化条件下显现为极限案例，该团队在基于FPGA的片上退火概率计算机上实现了该方案，用以求解大型三维自旋玻璃问题。在26旋的Sherrington-Kirkpatrick标准模型上，采用匹配参数对PAOA与量子近似优化算法（QAOA）进行基准测试，结果显示PAOA具有更优性能。研究表明，PAOA通过优化多重温度曲线自然扩展了模拟退火，在SK-Lévy等重尾问题上展现出超越传统模拟退火的性能提升。