量子科技中心_量科网

该研究团队提出了一种新型量子优化范式——固定参数数量量子近似优化算法（FPC-QAOA）。该框架具有可扩展性，其可训练参数数量保持恒定，与量子比特数、哈密顿量复杂度或电路深度无关。通过将调度函数优化与电路数字化过程分离，FPC-QAOA能以最少参数实现精确的调度近似，同时支持任意深度的数字化绝热演化（仅受限于含噪声中等规模量子硬件性能）。这种分离设计使得电路深度可扩展而无需扩大经典搜索空间，有效缓解了深层QAOA电路常见的过参数化问题和优化挑战（如类贫瘠高原现象）。 该团队在随机MaxCut实例和尾部分配问题上进行基准测试，结果表明：在经典计算成本几乎恒定的情况下，FPC-QAOA性能达到甚至超越标准QAOA，且量子电路评估次数显著减少。在IBM Kingston超导处理器上进行的50量子比特实验证实，该算法在实际噪声环境下具有鲁棒性和硬件效率。这些成果使FPC-QAOA成为近期量子设备上实用化、可扩展的变分量子优化新范式。