量子科技中心_量科网

节能下降算法（ECD）是德卢卡与西尔弗斯坦（2022年）最新提出的全局非凸优化方法。与传统梯度下降不同，经适当配置的ECD动态能够逃离严格局部极小值并收敛至全局最小值，这一特性使其在机器学习优化领域备受关注。本文首次对ECD展开系统性分析研究，首篇聚焦于一维场景。研究团队构建了具有能量守恒噪声的随机ECD动态模型（sECD），并提出了ECD哈密顿量的量子对应形式（qECD），为通过哈密顿模拟实现量子算法奠定理论基础。针对正双阱目标函数，研究人员精确计算了从局部极小值到全局极小值的期望命中时间。研究证明：相较于各自梯度下降基线（随机梯度下降及其量子化版本），sECD与qECD均能实现指数级加速；对于具有高势垒的目标函数，qECD较sECD可达成更显著的加速效果。