针对LABS问题,采用量子增强模因禁忌搜索实现规模优势
该研究团队提出了一种名为“量子增强模因禁忌搜索(QE-MTS)”的非变分混合算法,该算法在低自相关二元序列(LABS)问题上实现了最先进的扩展性表现。通过利用数字化反绝热量子优化(DCQO)生成的高质量初始状态作为经典模因禁忌搜索的起点,该方法将序列长度N∈[27,37]范围内的经验求解时间缩放抑制至O(1.24^N)。这一表现优于当前最优经典启发式算法的O(1.34^N),并显著改进了量子近似优化算法的O(1.46^N),在电路深度降低6倍的同时实现了更优性能。双阶段自举分析证实了该算法的缩放优势,并预测在N≳47处存在性能交叉点,此后QE-MTS将超越其经典对应算法。这些结果表明,量子增强技术可直接改善经典优化算法在LABS这一典型问题上的扩展性表现。
量科快讯
2 天前
3 天前



