量子科技中心_量科网

量子退火算法旨在求解伊辛/QUBO问题的低能解，但可靠的评估不能仅依赖最佳能量比较。本论文为D-Wave量子退火器构建了一个基准测试框架，该框架融合了强经典基线、采样与多样性指标以及热力学成本。其首个贡献SpinGlassPEPS.jl是一种拓扑感知的张量网络启发式算法，专用于Pegasus/Zephyr类图上的优化与采样。该工作将伊辛实例映射为局部Potts簇，利用投影纠缠对态（PEPS）表示配分函数，并在概率空间中进行分支定界搜索。基准测试表明，该算法是一个物理可解释的参考求解器，但近似收缩限制了其在最大规模实例上的竞争力。第二个贡献将量子退火器视为有效热机，将成功概率与解质量关联至耗散、熵产生及有效温度。合理设置的暂停可提升性能并降低热力学成本，但纵向场在暂停调度中可能产生负面影响。该论文还引入了强化学习后处理以改进返回样本，并通过精确小系统仿真探究退火动力学。总体而言，该研究主张量子退火基准测试应同时衡量算法性能与物理成本。