量子科技中心_量科网

链接预测是图论中的基本问题之一，对于理解和预测复杂系统（如社交网络和生物网络）的演化至关重要。虽然经典启发式方法捕捉了图拓扑的某些方面，但它们往往难以最优地整合局部和全局结构信息，或适应复杂的依赖关系。量子计算通过利用叠加态进行同步多路径探索以及基于干涉的局部和全局图特征整合，提供了一种强大的替代方案。该研究团队在本文中提出了QSearchNet，这是一个基于离散时间量子行走（DTQW）动力学和Grover振幅放大量子启发的框架。QSearchNet通过模拟拓扑感知的量子演化过程，同时在多个节点间传播振幅。通过量子反射和类预言相位翻转操作对齐干涉模式，该框架自适应地优先处理多跳依赖关系，并放大与潜在连接对应的结构相关路径。在不同现实世界网络上的实验显示出具有竞争力的性能，特别是在现实评估条件下处理困难负样本时表现尤为突出。