量子科技中心_量科网

该团队研究了受量子退火启发的算法，这些算法适用于NISQ（含噪声中等规模量子）时代。首先，研究人员分析了近似量子退火（AQA）算法，该算法采用离散化的退火拟设，允许时间步长和层数偏离量子退火的精确实现。通过参数扫描，团队识别出能以更少资源重现类退火行为的参数区间，使其更适配NISQ设备。这些优化后的参数可作为量子近似优化算法（QAOA）的有效热启动，相比随机初始化能显著提升算法性能。该工作还提出了演化哈密顿量量子优化（EHQO）方案——一种多步变分框架，通过从标准退火哈密顿量导出的中间哈密顿量来引导优化过程。针对难解2-SAT问题集的数值模拟表明，量子退火启发的算法为增强变分量子优化提供了实用策略。