量子科技中心_量科网

大规模组合优化对近期量子计算构成挑战，因为稠密二次无约束二元优化（QUBO）公式产生的交互图超出了NISQ处理器的限制。本文提出了混合量子邻域选择（HQNS），这是一种通过随机前沿分解缓解该问题的混合框架。HQNS并非将所有N个变量编码到单一电路中，而是每阶段选择一个包含F << N个活跃变量的紧凑前沿，将剩余变量冻结为简化的QUBO系数。一种多阶段爬行过程会轮换这些前沿，使得局部量子子问题能够优化全局解。研究团队在最大多样性子集选择问题（MDSSP）上评估了HQNS，涵盖六种规模，N最大为1000。电路负担从密集QAOA所需的每层O(N²)双量子比特项降低至每阶段O(F²)，总复杂度由阶段数和经典开销决定。基准测试表明，HQNS在保持有限电路宽度和稳定QPU时间的同时，实现了与并行模拟退火（SA）相当的解质量。在N=1000的十次执行基准测试中，HQNS保留了11次重启并行SA基线平均多样性得分的99.9908%，同时将墙钟时间减少65.03%，峰值CPU使用率减少55.97%，峰值内存减少35.21%。消融实验表明，性能取决于前沿大小、热启动、CVaR过滤和随机旋转。这些结果表明，结构化的前沿分解使得变分优化能够对当前硬件上不适合直接QAOA的稠密QUBO实例执行。