量子科技中心_量科网

多角度量子近似优化算法（ma-QAOA）通过引入更多独立的变分参数，扩展了量子近似优化算法（QAOA），从而在低电路深度下提升了表达能力和性能。然而，这种更大的参数化使得训练更加困难，并且需要重复的电路评估来进行基于梯度的优化。在本工作中，该团队提出了代理辅助与微调增强（SAFE）框架。SAFE首先使用低权重泡利传播（LWPP）作为经典代理，在精确优化之前对ma-QAOA参数进行预训练。接着，SAFE应用参数蒸馏，移除代理预训练后仍接近零的角度。最后，SAFE通过使用精确能量目标优化剩余的活动参数，执行精确微调。该团队在Sherrington-Kirkpatrick模型、二维正方晶格自旋玻璃和Max-Cut实例上评估了SAFE。与仅精确优化相比，采用蒸馏的SAFE在整体结果上表现最佳：（i）活动参数数量减少64.3%，（ii）估计的QPU工作量减少94.5%。在SAFE工作流程中，相较于无蒸馏情况，加入蒸馏进一步将优化器步骤减少44.4%，使其接近最优区域。这些结果表明，SAFE ma-QAOA能够加速收敛到高质量解，同时减少精确微调所需的量子资源，为在NISQ硬件上实现表达性强的ma-QAOA提供了一条资源高效的路径。