量子科技中心_量科网

本工作提出了Q3SAT-GPT，一种用于发现Max-E3-SAT问题量子电路的生成模型。该方法从高性能QAOA风格的初始结构中学习，直接生成候选电路。为创建高质量监督信号，该工作还引入了马赛克自适应QAOA（MosaicADAPT-QAOA），这是一种自适应策略，通过每步选择混频算子的子集（而非顺序插入算子）来构建低深度QAOA电路。所得电路作为生成模型的训练数据，使其能够学习有效的电路设计模式，同时消除推理时昂贵的变分优化需求。实验表明，该框架能以浅层电路实现强解质量，且扩展性显著优于自适应构建流程及传统变分基线。这些结果确立了生成建模作为可扩展量子优化电路发现的高性能路径，证明此类模型能有效内化电路逻辑，并为未来实例感知的归纳偏置奠定基础。可复现性：源代码已发布于https://github.com/pratimugale/Q3SAT-GPT。