量子科技中心_量科网

量子近似优化算法（QAOA）已成为在近期量子硬件上解决组合优化问题的一种颇具前景的方法。本研究针对Max-Cut问题对QAOA进行实证评估，并以Goemans-Williamson（GW）经典算法作为比较基准。与先前多数研究不同，该团队将QAOA实现视为黑盒优化器，仅依赖默认参数设置而无需人工微调。研究人员评估了特定现成QAOA实现在默认设置下的表现，而非考察参数优化后QAOA的算法潜力。这更真实地反映了缺乏实例专属优化资源或专业知识的终端用户使用场景。 为确保评估的公平性和信息量，该研究采用知名图生成模型构建基准实例以模拟实际图结构，避免使用专为量子或经典算法设计的合成构造。分析的核心是开发了基于单次运行的统计框架，通过追踪QAOA输出质量随电路执行次数的变化关系，得以从概率角度与GW算法进行比较——包括考察QAOA超越GW期望值及下限等经典性能基线的时机和频次。研究结果揭示了QAOA在Max-Cut问题中的实际适用性及当前局限，同时提供了可指导未来QAOA实现评估与开发的框架。