量子科技中心_量科网

人工智能和机器学习等领域对解决大规模数据密集型线性和锥优化问题的需求日益增长，这凸显了经典内点法（IPMs）的局限性。尽管传统内点法具有多项式时间收敛的优良特性，但其每轮迭代的高计算成本（尤其针对稠密问题实例）仍是显著瓶颈。近期量子计算技术的突破，特别是量子线性系统求解器的发展，为加速内点法中计算最密集的步骤提供了新途径。然而量子误差、硬件噪声以及对病态系统的敏感性等实际挑战仍构成重大障碍。为此，研究界开发了一系列量子内点法（QIPMs），通过引入可行性维护、迭代精化和预条件处理等技术应对这些挑战。该工作系统回顾了这一研究方向，重点介绍了研究团队的最新贡献——一个近乎精确的量子内点法框架。这种混合量子-经典计算方法完全在量子计算机上构建并求解牛顿系统，同时通过经典方式更新解向量。关键的是，所有矩阵-向量运算均在量子硬件上执行，使得该方法在维度规模上达到了最优的最坏情况可扩展性，超越了现有经典与量子内点法的可扩展边界。