量子科技中心_量科网

该研究团队研究了近期量子计算机上的近似状态准备问题，其目标是构建一个参数化电路，在最小化资源开销的同时复现目标量子态的输出分布。这一任务对于仅需分布匹配的近期算法尤为重要，但由于随机输出、有限电路深度以及高维非光滑参数空间而具有挑战性。该团队提出CircuitTree——一个基于贝叶斯优化和树模型的代理引导优化框架，避免了高斯过程代理的可扩展性和光滑性假设。该框架引入结构化分层分解策略，将参数划分为与变分电路架构对齐的模块，从而实现具有理论收敛保证的分布式和样本高效优化。在合成基准和变分任务上的实证评估验证了理论见解，表明CircuitTree在显著浅于现有方法的电路深度下，实现了低总变差距离和高保真度。