量子科技中心_量科网

在基于标准门电路的量子计算机上，通过QAOA等变分算法优化连续变量目标函数时，通常首先将每个决策变量离散化为有限二进制表示。这会增加量子比特需求，并通过固定分辨率编码限制求解精度。该团队提出了一种量子比特高效的连续优化变分框架，将每个决策变量编码到单个量子比特状态的平方振幅（即测量概率）中。这消除了变量表示中的显式离散化，同时完全保持在标准量子比特电路模型内，不同于采用基于量子模式（qumode）硬件的CV-QAOA等方法。为了读取编码变量，该团队提出使用振幅估计而非朴素采样或层析重构，目的是改善连续值恢复的精度缩放。该工作概述了在标准正则性假设下，振幅估计误差如何传播到决策变量误差，进而传播到目标值误差，这表明相对于离散化方法存在一种独特的宽度与精度权衡。特别是，该框架将获得更精细二进制精度所需的量子比特对数增长，替换为每个决策变量一个量子比特的恒定成本，同时将精度要求转移到估计过程中。该团队将该方法置于传统离散化变分公式的背景下，并论证其为在标准量子比特架构上进行连续优化提供了一个有前景的新方向。