量子科技中心_量科网

由于无序和阻挫效应的存在，寻找伊辛自旋玻璃的基态极为困难。这一挑战通常被表述为组合优化问题，而模拟退火（一种基于蒙特卡洛的逐点自旋更新算法）是常见解决策略。然而，这种局部更新可能导致系统陷入局部极小值。虽然针对铁磁系统开发的团簇算法能有效克服这一局限，但应用于一般自旋玻璃时往往面临渗流问题。该研究团队提出了一种新型团簇算法，通过预计算两点关联函数来突破这些限制，旨在更高效求解Max-Cut形式的组合优化问题。该算法基于关联函数概率性构建自旋团簇，既可以采用经典算法也可以利用量子算法生成蕴含问题能量景观信息的关联函数。通过利用这些信息，该算法能识别出自旋组群——同步翻转这些自旋可在低温条件下仍保持高接受概率，实现构型空间的大幅跃迁，从而更有效逃离局部极小值。值得注意的是，基于量子近似优化算法生成的关联函数所构建的团簇，在低温条件下展现出更高的接受率，且该接受率通常随量子电路深度的增加而提升，显著加速算法运行并促进解空间的高效探索。