量子科技中心_量科网

变分量子算法（VQAs），如量子近似优化算法（QAOA），为在近期和中期量子设备上解决组合优化问题提供了前景广阔的路径。然而，其性能关键依赖于初始参数的选择，且QAOA拟设的表达能力有限，导致寻找有效初始化方法既困难又难以扩展。为解决这一问题，该研究团队提出了“可扩展QAOA参数初始化框架（SPIQ）”，通过采用松弛化的QAOA拟设，实现对一组可被克利福德门制备的量子态进行经典搜索，这些量子态能产生高质量解。这些量子态作为优质QAOA初始态，可驱动快速收敛，同时大幅减少达到高质量解所需的量子电路评估次数，从而降低量子设备成本。该工作提出了一种可扩展、与具体应用无关的初始化框架，在涵盖数十至数百量子比特的QUBO、PUBO和PCBO问题上，相比最先进初始化方法实现了最高80%的绝对精度提升，并将初始态多样性降低高达10,000倍。研究人员进一步基于现实世界数据集衍生的大量问题形式和实例进行性能基准测试，证明了该框架具有持续且可扩展的改进效果。此外，该团队还提出了两种互补策略：通过搜索程序筛选高质量克利福德点，并将其用于多起点优化种子，从而增强探索能力并提升解的质量。