量子科技中心_量科网

近年来，量子计算发展迅速，并在多个领域展现出优势。本文探讨了其在固定置信度设定下用于离散仿真优化的潜力，这是仿真领域的一个基础性问题。该团队首先引入一种量子仿真预言机，该预言机能够制备所有候选解的相干叠加态，为量子算法设计奠定基础。基于该预言机，研究人员开发了首个基于Grover搜索的离散仿真优化量子算法，命名为SOGAS。具体而言，SOGAS采用二分搜索框架逐步剔除次优解，同时精心控制错误概率，最终识别出一组近优解。该工作证明，SOGAS能以不低于规定置信水平的概率返回一个近优解，并在查询复杂度对候选解数量的依赖上实现二次加速。数值实验进一步表明，SOGAS显著优于经典基准方法，为离散仿真优化中的量子优势提供了实证依据。