量子科技中心_量科网

量子近似优化算法（QAOA）是组合优化领域的重要变分方法，但其实际性能高度依赖于目标设计、参数搜索和测量次数分配。该研究团队提出了一种资源高效的QAOA框架：采用最可能测量比特串的割值作为优化目标，结合贝叶斯优化方法，并基于模式置信度与归一化割值方差的双重标准自适应分配测量次数。在3-正则MaxCut问题上的数值实验表明，无论对于加权还是非加权实例，该方案获得的离散解质量与传统基于期望值的目标函数相当，且达到相同最终模式精度时通常需要更少的总测量次数。这些结果表明，围绕最大概率比特串重构QAOA算法，为在有限测量预算下提升实际性能提供了有效途径。