量子科技中心_量科网

在计算机视觉中，寻找图的最小生成树（MST）是一项重要任务，它能以稀疏且低成本的连接性表示（如超像素、点或区域之间的关系），这对分割、重建和聚类等任务非常有用。该研究团队提出并评估了一种基于FALQON算法的全量子计算流程，这是一种无需经典优化器的反馈式量子优化方法。研究人员构建了哈密顿量公式，其基态能量编码了图的MST，并比较了两种FALQON策略：（i）时间重缩放（TR-FALQON）和（ii）多驱动配置。为避免领域特定偏差，该工作采用随机权重的图，结果表明不同FALQON变体在基态保真度上存在显著差异。该团队探讨了该方法对自然产生图表示的计算机视觉问题的适用性，合成数据实验和图像分割的小型演示研究共同揭示了该技术的潜力与当前局限。在随机权重图上的数值模拟显示，标准单驱动FALQON虽能降低期望能量，但未能将振幅集中于MST解；多驱动变体成功将概率质量重新分配至基态，使得MST成为最高概率结果之一；而结合多驱动的时间重缩放策略在测试案例中展现出最快收敛速度、最低终态能量和最高解态概率/保真度。这些改进在小型合成图中得到验证，既凸显了多驱动控制与时间重缩放的前景，也表明仍需进一步扩展规模和硬件验证。