量子科技中心_量科网

该研究系统性地评估了在近期含噪声中等规模量子条件下，将量子近似优化算法应用于广义均值-方差问题时的经典优化策略。研究团队在无噪声、采样噪声及两种热噪声模型中对比测试了双退火算法、线性逼近约束优化法和鲍威尔方法。通过成本函数景观分析发现，在无噪声环境中量子近似优化算法的γ角参数基本处于非活跃状态。这一发现促使研究人员提出了参数过滤优化方案，将搜索空间集中锁定在活跃的β参数上。这种过滤处理显著提升了快速优化器（如线性逼近约束优化法）的参数效率（无噪声情况下评估次数从21次降至12次），同时增强了算法鲁棒性，证明利用结构洞见是实现变分量子算法架构感知噪声缓解的有效策略。