量子科技中心_量科网

针对旅行商问题（TSP）的等变量量子电路（EQC）已被证明仅需1层深度和两个参数即可在小型TSP问题（最多20个节点）上实现近最优解。然而，将EQC扩展到更大规模TSP仍面临挑战，原因包括量子电路模拟所需的指数级时间和内存消耗，以及实际量子硬件运行中日益增加的噪声和退相干效应。该工作提出“尺寸不变网格搜索（SIGS）”这一量子强化学习（QRL）高效训练优化方法，成功模拟出经过训练的1层深度EQC在350节点TSP实例中的输出——远超此前可行范围。在100节点TSP测试中，相较采用解析表达式的强化学习模拟（RL耗时151分钟），SIGS将总模拟时间缩短96.4%（耗时不足6分钟），同时测试集上的平均最优间隙与RL训练模型仅相差0.005。SIGS为QRL研究界提供了实用基准工具，使研究人员能高效分析QRL算法在更大规模问题上的性能。该团队突破现有文献对等变量概念的讨论，提出了支撑SIGS的“尺寸不变特性”理论解释。