量子科技中心_量科网

量子哈密顿下降（QHD）是一种基于模拟含时量子哈密顿量的连续优化算法，其势能项编码目标函数，动能项则通过量子干涉和隧穿效应促进探索。尽管QHD是为无约束优化设计的，但许多实际优化问题都带有约束且高度非凸。本文对AL-QHD这一混合框架进行了基准测试，该框架将QHD嵌入增广拉格朗日方法（ALM）中，通过求解一系列无约束子问题，同时利用ALM强制执行约束。我们在标准非凸测试函数上评估了AL-QHD，并采用迭代精化方法在固定单次运行量子比特成本下提高解精度。此外，我们还基于从电力网络数据构建的ACOPF衍生电力系统子问题，进行了基于量子门的资源分析，以估算实际应用所需的量子计算机规模。针对Texas7k衍生ACOPF实例的资源估算显示，硬门数量呈陡峭增长：在面向NISQ的模型中，约需$4.46 \times 10^7$个纠缠门；在容错模型中，约需$9.42 \times 10^8$个T门，此时活跃变量数约为$5.3 \times 10^2$。这些结果表明，AL-QHD是利用QHD研究带约束非凸优化的有效框架，但实际ACOPF规模的应用可能仍需大规模容错量子硬件。