Global optimization of quantum dynamics with AlphaZero deep exploration
虽然已经开发了大量用于优化不同目标的量子动力学的算法，但一个共同的限制是依赖于良好的初始猜测，这些猜测要么是随机的，要么是基于直觉和直觉。在这里，我们实现了Deepmind AlphaZero算法的白板深度量子探索版本，以系统地避免这种限制。AlphaZero在引导树搜索中采用深度神经网络与深度前瞻相结合，这允许预测量子参数景观的隐藏变量近似。为了强调可转移性，我们只使用一组通用的算法超参数，在三类控制问题上应用和基准测试该算法。与早期的方法相比，AlphaZero在良好解决方案集群的质量和数量方面都有了实质性的改进。它能够自发地学习解决方案中意想不到的隐藏结构和全局对称性，甚至超越了人类的数学知识。
2019-11-19 quant-ph
Adiabatic Quantum Computing for Random Satisfiability Problems
将绝热量子计算的离散形式与其他搜索方法（经典和量子）进行了比较，用于随机可满足性（SAT）问题。随着步骤的数量增长，只有作为变量数量的立方，绝热方法给出的解决方案的概率接近1的问题大小可行的评估，通过模拟在当前的计算机上。然而，对于这些大小，大多数实例的最小能量间隙相当大，因此对于小问题所看到的良好性能缩放可能无法反映成本由微小间隙主导的渐近行为。此外，由此产生的搜索成本比其他方法高得多。与传统的GSAT启发式方法相比，与绝热极限不匹配的量子算法的变体平均成本更低，增长更慢。
2004-01-23 quant-ph
Quantum adiabatic optimization without heuristics
量子绝热优化（QAO）使用含时哈密顿量$H(s)$与光谱间隙$γ(s)$。假设存在一个Oracle $Γ$，使得$γ_\min = Θ\left(\min_sΓ(s)\right)$，我们提供了一个算法，可靠地执行QAO的时间$O\left(γ_\min^{-1}\right)$与$O\left(\log(γ_\min^{-1})\right)$ Oracle查询，其中$γ_\min = \min_s γ(s)$。我们的策略不是启发式的，不需要猜测时间参数或退火路径。相反，我们的算法自然地产生一个退火路径，使$\|dH/ds\| \approx γ(s)$，并选择自己的运行时间尽可能接近最佳，同时有希望收敛到基态。然后，我们证明了这种方法在实践中的可行性，通过明确构建一个缺口甲骨文$Γ$的问题，找到最小点$m = \mathrm{argmin}_u W(u)$的成本函数$W:\mathcal{V}\longrightarrow [0,1]$，限制自己的计算基础测量和驱动哈密尔顿$H(0)=I - |\mathcal{V}|^{-1}\sum_{u,v \in \mathcal{V}}\vert{u}\rangle\langle{v}\vert$。仅要求$W$在其频谱间隙上具有恒定的下限并且在其频谱比上具有恒定的上限$κ$，我们的QAO算法以时间上的概率$(1-ε)(1-e^{-1/…
2019-04-18 cs.DS quant-ph
Adiabatic quantum imaginary time evolution
提出一种绝热量子虚时间演化协议，无需量子态层析成像，通过积分经典微分方程获得绝热哈密顿量，扩展了绝热态制备可访问的态范围。
2024-04-22 quant-ph
Adiabatic state preparation from general initial states
本文提出从一般初始波函数出发的绝热态制备启发式方法，通过近似父哈密顿量构造绝热路径，并成功应用于水和亚甲基基态模拟。
2025-11-07 quant-ph
Training a Binary Classifier with the Quantum Adiabatic Algorithm
本文描述了如何使二进制分类问题适合于量子计算。一个配方，其中的二元分类器被构造为一组弱分类器的阈值线性叠加。叠加中的权重在学习过程中被优化，该学习过程努力使训练误差以及所使用的弱分类器的数量最小化。对于这个问题没有有效的解决方案是已知的。为了将其带入允许绝热量子计算（AQC）应用的格式中，我们首先表明，权重需要表示的位精度仅随训练示例的数量与弱分类器的数量的比率而几何地增长。这允许将训练过程有效地公式化为二元优化问题。解决它与启发式求解器，如禁忌搜索，我们发现，由此产生的分类优于广泛使用的最先进的方法，AdaBoost，在各种基准问题。此外，我们发现了一个有趣的事实，即位约束学习机通常具有较低的泛化错误率。将测量训练误差的损失函数从0-1损失更改为最小二乘，将训练映射为二次无约束二进制优化。这对应于D-Wave实现AQC所需的格式。使用启发式求解器的模拟再次产生比使用boosting方法获得的结果更好的结果。由于所得到的二次二进制程序是NP难的，因此可以预期应用实际的量子处理器可以获得额外的增益。
2008-11-04 quant-ph
Robust Classification with Adiabatic Quantum Optimization
我们提出了一个非凸的训练目标，在标签噪声存在的数据集的鲁棒二进制分类。设计的指导意图是通过绝热量子优化来解决由此产生的问题。现有量子硬件的工程约束提出了两个要求：训练问题被公式化为二次无约束二进制优化;模型参数被表示为低位深的二进制扩展。在目前的工作中，我们验证这种方法，使用启发式经典求解器作为量子硬件的替身。测试几个流行的数据集，并与现有的一些损失相比，我们发现在鲁棒性的测试误差增加标签噪声下测量的实质性优势。鲁棒性是通过我们的硬件兼容损失函数的非凸性实现的，我们将其命名为q-loss。
2012-05-30 quant-ph
Geometrical scheduling of adiabatic control without information of energy spectra
提出一种无需能谱信息的量子绝热最短时间路径协议，利用反绝热驱动设计参数调度，在横向场伊辛链和轴向次近邻伊辛模型上验证了其有效性。
2025-01-21 quant-ph
Resource Efficient Gadgets for Compiling Adiabatic Quantum Optimization Problems
我们开发了一种资源有效的方法，通过该方法可以将任意k-局部优化哈密顿量的基态编码为（k-1）-局部优化哈密顿量的基态。这个结果很重要，因为绝热量子算法通常最容易使用多体相互作用来制定，但实验上可用的相互作用通常是2体。在这种情况下，约简小工具的效率是通过所需的辅助量子比特的数量以及实现所得哈密顿量所需的控制精度来衡量的。首先，我们优化了应用这些小工具的方法，以获得2-本地哈密顿使用尽可能少的辅助量子比特。接下来，我们展示了一种新的减少小工具，最大限度地减少控制精度和启发式，使用这个小工具编译3-本地问题的控制精度显着降低。最后，我们提出了数值计算，这表明实施随机生成的，3体优化的哈密顿量相比，在文献中的其他方法所需的资源大幅减少。
2013-07-30 quant-ph
Training a Large Scale Classifier with the Quantum Adiabatic Algorithm
在以前的出版物中，我们提出了离散的全局优化作为一种方法来训练一个强的二元分类器构建为一个阈值和弱分类器。我们的动机是将分类器的训练转换为适合量子绝热算法解决的格式。应用绝热量子计算（AQC）有望产生优于经典启发式求解器的解决方案。有趣的是，我们发现通过使用启发式求解器来获得近似解，我们已经可以获得比标准方法AdaBoost更大的优势。在这次交流中，我们将基线方法推广到大规模分类器训练。大规模是指候选弱分类器的字典的基数或强分类器中使用的弱学习器的数量超过了在单个全局优化中可以有效处理的变量的数量。对于这种情况下，我们提出了一种迭代和分段的方法，其中弱分类器的一个子集，在每次迭代中选择通过全局优化。然后通过连接弱分类器的子集来构造强分类器。我们在数值研究中表明，广义方法再次成功地与AdaBoost竞争。我们还提供了理论论据，为什么提出的优化方法，它不仅最大限度地减少经验损失，而且还增加了L0-范数正则化，是优于版本的提升，只有最小化的经验损失。通过进行量子蒙特卡罗模拟，我们收集的证据表明，量子绝热算法能够有效地处理一般的训练问题。
2009-12-04 cs.LG quant-ph
Leveraging Adiabatic Quantum Computation for Election Forecasting
QxBranch；Standard Cognition（标准认知）
从具有任意相关性的全连通图中进行精确、可靠的采样是一个困难的问题。这样的采样需要知道观察图的每个可能状态的概率。随着图形大小的增长，模型状态的数量变得难以处理的大，并且有效的计算需要完全采样被替换为仅是完全采样的近似值的算法和算法。这项工作研究了绝热量子计算对采样目的的潜在影响，建立在最近使用量子设备成功训练玻尔兹曼机的基础上。我们调查的使用情况下，量子计算训练玻尔兹曼机预测2016年总统大选。
2018-01-30 cs.ET cs.LG quant-ph
Rapid quantum approaches for combinatorial optimisation inspired by optimal state-transfer
受最优状态转移哈密顿量启发，提出一种快速近似组合优化算法，在最低深度下比QAOA取得更好近似比，为非绝热量子优化方法开辟新途径。
2024-02-07 quant-ph
Compilation of Fault-Tolerant Quantum Heuristics for Combinatorial Optimization
在这里，我们将探讨哪些启发式量子算法的组合优化可能是最实用的尝试在一个小型的容错量子计算机。我们编译电路的几个变种的量子加速模拟退火，包括那些使用qubitization或Szegedy散步，以避免经典的马尔可夫链和那些模拟的频谱间隙放大的哈密顿编码吉布斯状态。我们还优化了绝热算法，量子增强的人口转移，量子近似优化算法和其他方法的容错实现。这些方法中的许多方法都是通过调用相同的子程序来检查的;因此，无论哪种启发式方法在实践中最有效，都应该对这些原语的优化电路感兴趣。我们编译这些瓶颈的几个家庭的优化问题，并报告多久，什么规模的系统可以执行这些算法在表面码给定的资源预算范围。我们的研究结果不鼓励的概念，任何量子优化启发式实现只有二次加速将实现一个优势，在适度的超导量子位表面码处理器上的经典算法没有显着改善的表面码的实施。例如，在量子有利的假设下（例如，我们的分析表明，量子加速模拟退火将需要大约一天和一百万个物理量子比特来优化自旋玻璃，而经典模拟退火可以在大约四个CPU分钟内解决。
2020-08-05 quant-ph
Comments on Adiabatic Quantum Algorithms
最近提出了一种绝热量子计算的方法，并对其在NP完全问题上的效率进行了大量的推测。启发式的论点，在它的青睐是基于未经证实的假设的特征值差距。我们表明，即使没有本征值间隙的假设，其他标准参数可以用来表明，一个大类的绝热量子计算提出的哈密顿量有独特的基态。我们还讨论了一些问题中出现的试图分析的行为的特征值差距。特别是，我们提出了几种机制，用于修改最终的哈密顿量进行绝热搜索的效率与3-SAT。我们还建议使用随机定义的最终哈密顿作为一种机制，用于分析与缺乏足够的结构，以服从有效的经典算法的问题相关的插值哈密顿的通用谱行为。
2002-06-14 math-ph math.MP quant-ph
Performance analysis of classical adiabatic annealing on Ising machines
Vrije Universiteit Brussel（布鲁塞尔自由大学）
本文通过连续方法分析经典绝热退火技术，提出混合经典绝热退火策略，并在MaxCut等问题上测试，发现其相比现有简单方法无显著优势。
2026-06-05 cond-mat.dis-nn quant-ph
Enhanced Maximum Independent Set Preparation with Rydberg Atoms Guided by the Spectral Gap
Korea University（韩国大学）
通过谱隙引导的调度工程方法ADGLB有效提升了Rydberg原子在最大独立集制备中的性能。
2026-02-20 quant-ph
Diabatic Quantum Annealing for the Frustrated Ring Model
本文研究受挫环模型中非绝热量子退火能否避免标准绝热演化导致的指数级减速，并通过数值实验在最多39量子比特上证明优化退火调度可绕过该瓶颈。
2022-12-05 quant-ph
Coherent Transport of Quantum States by Deep Reinforcement Learning
物理学中的一些问题只有在猜到合适的\textit{ansatz }解之后才能处理。因此，这种方法是弹性的泛化，导致有限的范围。通过量子态通过半导体量子点阵列的绝热通道的相干传输提供了这种方法的卓越示例，其中有必要引入其所谓的反直觉控制门和反直觉脉冲序列。相反，深度强化学习技术已被证明能够解决非常复杂的顺序决策问题，这些问题涉及短期和长期奖励之间的竞争，尽管缺乏先验知识。我们表明，在上述问题中，深度强化学习发现控制序列优于\textit{ansatz}反直觉序列。更有趣的是，当现实干扰影响理想系统时，它发现了新的策略，当量子点的基态之间的能量失谐或失相被添加到主方程时，具有更好的速度和保真度，也减轻了损失的影响。该方法能够在线更新现实系统的策略收敛性，通过利用先验知识时，可用的。深度强化学习被证明对控制量子态的动态是有效的，更一般地说，它适用于任何未知或不足以有效处理问题的解。
2019-01-20 quant-ph
Optimizing Adiabatic Quantum Program Compilation using a Graph-Theoretic Framework
近年来，绝热量子计算已经从一个理论领域发展成为一个非常实用的领域，这一变化部分是由D-Wave系统的量子退火硬件引发的。这些价值数百万美元的量子退火器提供了解决优化问题的潜力，其速度比经典的量子力学快数百万倍，这促使谷歌、NASA和洛克希德马丁公司的研究人员研究如何将这些计算机应用于复杂的现实问题，例如NASA的火星车任务。不幸的是，将优化问题编译（嵌入）到退火硬件中本身就是一个困难的优化问题，也是目前阻碍广泛采用的主要瓶颈。此外，虽然找到一个单一的嵌入是困难的，没有通用的方法是已知的调整嵌入使用最少的硬件资源。为了解决这些障碍，我们引入了一个图论框架来开发结构化嵌入算法。使用这个框架，我们引入了一个biclique虚拟硬件层提供一个简化的接口的物理硬件。此外，我们利用偶结构的量子程序使用奇循环横向（OCT）分解。通过将基于OCT的嵌入算法与新的广义约简方法相结合，我们开发了一种新的基线，用于将各种优化问题嵌入到无故障的D-Wave退火硬件中。为了鼓励这些技术的重用和扩展，我们提供了一个框架和嵌入算法的实现。
2017-07-27 cs.DS quant-ph
Genetic braid optimization: A heuristic approach to compute quasiparticle braids
在拓扑保护的量子计算中，量子门可以通过二维准粒子的编织来实现，这让人想起纠缠的世界线。Bonesteel等人[Phys. Rev. Lett. 95，140503（2005）]以及Leijnse和Flensberg [Phys.Rev.B86，104511（2012）]最近提供了用于从准粒子辫计算量子门的方案。从数学上讲，执行一个门的问题变成了寻找一个生成元（矩阵）的乘积，这个乘积最接近这个门，直到出现错误。到目前为止，计算这些门的有效方法只是为了优化精度。我们探讨了使用一个通用的方法适用于各种编织问题的基础上进化（遗传）算法的可能性。该方法有效地找到最佳编织物，同时允许用户优化准确性和/或长度的相对效用。此外，当仅针对误差进行优化时，该方法可以快速产生有效的编织物。
2013-02-13 cond-mat.mes-hall cs.NE quant-ph
Is Quantum Optimization Ready? An Effort Towards Neural Network Compression using Adiabatic Quantum Computing
Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR)（高性能计算研究所（IHPC），科技研究局（A*STAR））；Huadian Coal Industry Group Co. Ltd.（华电煤炭工业集团有限公司）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
该研究探索利用绝热量子计算对卷积神经网络进行细粒度剪枝与量化，将模型压缩表述为QUBO问题，证明其比经典算法时间效率更高且更善于寻找全局最优解。
2025-08-14 cs.AI cs.PF quant-ph
Quantum speedup in stoquastic adiabatic quantum computation
量子计算为解决某些数学问题提供了与经典计算机相比的指数加速。受当前在量子计算设备上的快速实验进展的激励，已经研究了各种量子计算模型以显示量子计算优势。在商业方面，量子退火机实现了具有横场的量子伊辛模型，并以图解法求解组合优化问题。这台机器的计算能力与绝热量子计算（AQC）密切相关，具有受限类型的哈密顿量，即随机哈密顿量，并且被认为与通用量子计算机相比相对较弱。对于随机哈密顿量的AQC计算量子加速和优势知之甚少。在这里，我们描述的计算能力与随机哈密顿量，我们称之为stoqAQC的AQC。我们构造了一个具体的stoqAQC模型，它的最低能隙是多项式下界的，因此可以在多项式时间内得到最终态。然后，我们表明，它可以模拟通用的量子计算，如果自适应单量子比特的测量在非标准的基础上允许的最终状态。即使测量被限制为非自适应测量，以尊重AQC的鲁棒性，所提出的模型表现出量子计算的优越性，经典的模拟是不可能的复杂性下的理论架构。此外，发现这样的stoqAQC模型可以模拟Shor算法并在多项式时间内解决因子分解问题。我们还提出了如何克服测量缺陷，通过量子纠错的stoqAQC模型，也是一个实验上可行的验证计划，以测试是否stoqAQC是忠实地做。
2018-03-27 cond-mat.dis-nn cond-mat.stat-mech cs.CC
Solving Vehicle Routing Problem Using Quantum Approximate Optimization Algorithm
在本文中，我们描述了使用量子近似优化算法（QAOA），这是一个量子经典的启发式，解决组合优化和整数规划任务称为车辆路径问题（VRP）。我们概述了VRP的伊辛公式，并提出了一个详细的程序来解决VRP通过最小化其模拟伊辛哈密顿使用IBM Qiskit平台。在这里，我们试图找到VRP问题的解决方案：（4，2），（5，2）和（5，3），其中每个（n，k）代表一个VRP问题与n个位置和k辆车。我们发现QAOA的性能不仅取决于所使用的经典优化器，绝热路径实现的步骤数p，或者参数初始化的方式，而且还取决于问题实例本身。
2022-09-23 quant-ph
A Novel Algebraic Geometry Compiling Framework for Adiabatic Quantum Computations
绝热量子计算（AQC）是求解困难整数多项式优化问题的一种有吸引力的方法。可用的硬件限制的哈密顿量的结构，只允许成对的相互作用。这就要求首先将原始优化问题从其多项式形式转换为二次无约束二元优化（QUBO）问题，我们将其视为代数几何中的问题。此外，需要嵌入这种QUBO-哈密顿算子的硬件图-将问题的变量分配给物理优化器的量子位-不是一个完整的图，而是一个具有有限连通性的图。这种“问题图到硬件图”的嵌入也可以被构造为计算特定多项式理想的Groebner基的问题。我们开发了一个系统的计算方法来准备一个给定的多项式优化问题的AQC在三个步骤。第一步通过计算从输入目标函数的单项式生成的复曲面理想的Groebner基，将输入多项式优化问题简化为QUBO。第二步计算可行嵌入。第三步计算与给定嵌入相关联的绝热哈密顿量的谱隙。这些步骤适用于整数多项式优化问题之外的其他问题。我们的论文提供了第一个通用的计算程序，可以直接作为一个$translator$解决多项式整数优化。或者，它可以作为一个测试平台（小规模的问题），以帮助设计有效的启发式量子编译器，通过研究各种选择的减少和嵌入在一个系统和全面的方式。我们的框架的一个额外的好处是通过研究$\mathcal Y-$次要通用图来设计伊辛架构。
2018-10-02 cs.IT cs.SC math.AG
Performance of Commercial Quantum Annealing Solvers for the Capacitated Vehicle Routing Problem
本研究评估了商用量子退火平台在带容量车辆路径问题（CVRP）上的求解性能，发现模型复杂度比问题规模更影响解的准确性，实际应用应选择最小化约束密度的公式。
2023-09-11 quant-ph
A comparison between D-wave and a classical approximation algorithm and a heuristic for computing the ground state of an Ising spin glass
在一般图上寻找伊辛-自旋玻璃的基态属于NP难问题，普遍认为没有有效的多项式时间算法来解决它们。在计算机科学中开发的用于处理此类问题的方法是设计在多项式时间内运行的近似算法，并提供解决方案，其质量在最佳未知解方面具有可证明的保证。最近，几个算法的伊辛-自旋玻璃问题的图，提供不同的近似保证，虽然没有实施。同样在最近，D-wave公司构建了绝热量子计算机的物理实现，并使研究人员能够访问它。D-wave特别适合于计算伊辛自旋玻璃在其嵌合体图（一种有界度的图）上的基态的近似。在这项工作中，我们比较了最近开发的近似算法的性能，解决了伊辛自旋玻璃问题的图形上的有界度对D-波计算机。我们还比较了一个启发式专门处理固定的D波嵌合体图。D波计算机能够找到更好的近似我们研究的所有随机实例。此外，D波的收敛时间也明显更好。这些结果表明了D波计算机在某些特定情况下的优点。更广泛地说，我们的方法是相关的其他性能比较研究。我们认为，重要的是要比较量子计算机的性能，不仅对精确的经典算法与指数运行时缩放，而且近似算法与多项式运行时缩放和可证明的性能保证。
2021-05-02 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Hybrid Quantum-Classical Branch-and-Price Method for the Vertex Coloring Problem
本文提出混合量子-经典分支定价（QCBP）算法，将量子绝热算法辅助的列生成等嵌入经典分支定价框架，解决顶点着色问题，在量子资源利用率、求解质量上优于现有方法，98%基准实例达最优且硬件鲁棒性良好。
2025-08-26 quant-ph
How viable is quantum annealing for solving linear algebra problems?
本文通过绝热原理模拟分析量子退火求解线性最小二乘与线性方程组的可行性，解释其鲁棒性和扩展性，并提出量子初值结合经典不动点迭代的混合方法。
2022-06-21 quant-ph
Quantum Approximate Optimization Algorithm: Performance, Mechanism, and Implementation on Near-Term Devices
量子近似优化算法（QAOA）是一种混合量子-经典变分算法，旨在解决组合优化问题。尽管QAOA有望在近期实现量子应用，但目前对其最低深度变体以外的性能了解不多。理解和部署QAOA的一个重要但缺少的要素是执行外循环经典优化的建设性方法。我们提供了一个深入的研究QAOA MaxCut问题的性能开发一个有效的参数优化程序，并揭示其利用非绝热操作的能力。建立在观察到的模式中的最佳参数，我们提出了启发式策略初始化优化，以找到准最佳的$p$级QAOA参数在$O(\text{poly}(p))$时间，而随机初始化的标准策略需要$2^{O(p)}$优化运行，以实现类似的性能。然后，我们基准QAOA和量子退火比较，特别是在困难的情况下，绝热量子退火失败，由于小的光谱间隙。比较表明，QAOA可以通过优化学习，利用非绝热机制来规避与消失的光谱间隙相关的挑战。最后，我们提供了一个现实的资源分析的实验实施QAOA。当测量中的量子波动占，我们说明，优化将是重要的，只有超出数值模拟的问题大小，但在近期的设备上访问。我们提出了一个可行的实现大型MaxCut问题的几百个顶点的系统中的二维中性原子，达到政权挑战最好的经典算法。
2019-11-09 cond-mat.dis-nn cond-mat.stat-mech quant-ph
Challenges of variational quantum optimization with measurement shot noise
针对测量散粒噪声下变分量子优化的资源缩放问题，以铁磁和无序伊辛链为实例研究VQE与QAOA，发现梯度优化可改善VQE性能，物理启发的参数初始化能使QAOA实用，为混合量子-经典算法优化提供参考。
2024-03-14 cond-mat.other physics.comp-ph quant-ph
Improving success probability in the LHZ parity embedding by computing with quantum walks
Institute for Theoretical Physics, University of Innsbruck（因斯布鲁克大学理论物理研究所）；School of Computing, Newcastle University（纽卡斯尔大学计算机学院）；Department of Physics, University of Strathclyde（斯特拉斯克莱德大学物理系）；Parity Quantum Computing GmbH（Parity量子计算有限公司）
本研究通过量子行走与LHZ奇偶嵌入结合，提升量子优化问题的成功概率，并验证了启发式方法和错误校正技术的有效性。
2025-02-25 quant-ph
QAOA-in-QAOA: solving large-scale MaxCut problems on small quantum machines
组合优化的快速算法的设计极大地促进了众多领域，如物流，金融和化学。量子近似优化算法（QAOA）是一种利用量子机的能力并继承绝热演化思想的组合优化算法，具有潜在的运行加速能力。然而，受限于有限的量子资源，QAOA不可能操纵大规模问题。为了解决这个问题，在这里，我们通过分治启发式重新审视MaxCut问题：并行寻找子图的解，然后合并这些解以获得全局解。由于MaxCut中的$\mathbb{Z}_2$对称性，我们证明合并过程可以进一步转化为新的MaxCut问题，从而由QAOA或其他MaxCut求解器解决。在这方面，我们提出了QAOA-in-QAOA（$\text{QAOA}^2$），以解决任意大规模的MaxCut问题，使用小型量子机器。我们还证明了$\text{QAOA}^2$的逼近比是1/2的下界。实验结果表明，在不同的图形设置下，当节点数为2000左右时，$\text{QAOA}^2$的性能与经典算法相当，甚至更好.我们的方法可以无缝地嵌入到其他先进的策略，以提高能力的QAOA在大规模的组合优化问题。
2022-05-24 quant-ph
Locally Suppressed Transverse-Field Protocol for Diabatic Quantum Annealing
非绝热量子退火（Diabatic quantum annealing，DQA）是绝热量子退火（adiabatic quantum annealing，AQA）的一种替代算法，可用于规避由退火能谱中的小极小值引起的指数减速。我们提出了局部抑制横场（LSTF）协议，一种启发式方法，使随机优化问题与DQA兼容。我们表明，提供了一个优化问题本质上具有磁挫折由于不均匀的局部领域，在问题中的目标量子位总是可以被操纵，以创建一个双最小值的基态和第一激发态之间的能隙在算法的演变。这样的双能量最小值可以用来诱导非绝热跃迁到第一激发态和回到基态。除了与经典和量子算法加速相关外，LSTF协议还可以在现有硬件上执行DQA原理证明和物理实验，前提是横向量子位磁化场存在独立控制。我们讨论了使用LSTF协议时量子退火硬件的相干性要求的影响，特别考虑松弛和退相的情况。我们表明，一个大的系统的弛豫速率可以只依赖于目标量子位呈现新的机会，在量子退火处理器中的散肩环境的表征。
2021-10-22 quant-ph
Quantum-Assisted Design of Space-Terrestrial Integrated Networks
Fondazione LINKS（LINKS基金会）；DAUIN, Politecnico di Torino（都灵理工大学）；Pawsey Supercomputing Research Centre（波西超级计算研究中心）
本文提出利用量子算法优化天地一体化网络设计，展示量子方法在复杂优化问题中的竞争力。
2026-02-04 quant-ph
Music Composition Using Quantum Annealing
随着量子计算机的出现，一个新的算法音乐创作领域已经开始。以前的绝大多数工作都集中在使用基于门的量子计算机生成音乐上。另一种计算模型是绝热量子计算（AQC），在AQC框架下运行的称为量子退火的启发式算法是解决优化问题的一种有前途的方法。在本章中，我们将为使用量子退火进行音乐创作打下基础。我们将音乐创作过程视为一个优化问题。我们描述了生成音乐的不同方面所需的基本方法，包括旋律，节奏和和声。通过示例来说明所讨论的技术以便于理解。使用D-Wave量子退火器生成的音乐片段是同类产品中的第一个例子，并在本章的范围内介绍。本文是一个未经编辑的出版前版本的一章，将出现在书中“量子计算机音乐”，米兰达，E。R.（编者按）
2022-01-24 cs.ET quant-ph
Calculating Nash Equilibrium on Quantum Annealers
本文通过向纳什均衡的二次规划加入惩罚项，构造可在D-Wave量子退火机上运行的QUBO公式，并通过三个示例验证其获得7至10倍的总体求解加速。
2022-04-29 cs.ET cs.GT quant-ph
An Efficient Quantum Algorithm for Linear System Problem in Tensor Format
本文针对低秩张量和形式的线性系统提出一种基于绝热启发的量子线性系统算法，严格证明其总复杂度在维度上为多重对数级别，解决了经典Krylov方法总收敛代价无保证的问题。
2024-03-28 cs.NA math.NA quant-ph
Quantum-Enhanced Simulated Annealing Using Rydberg Atoms
本文提出利用里德伯原子阵列QE与AQC实验数据热启动的QESA混合算法，并通过MIS实验表明其在近似比、汉明距离和时间上优于经典SA。
2025-06-16 physics.atom-ph quant-ph
Spin coupling is all you need: Encoding strong electron correlation in molecules on quantum computers
本文提出在量子计算机上通过自旋耦合初始态直接编码强关联分子系统的纠缠结构，避免指数级行列式开销，并提供高效制备电路，显著降低量子相位估计等算法的运行时间，为可扩展量子模拟奠定关键基础。
2025-01-22 cond-mat.str-el physics.chem-ph quant-ph
Near-term quantum algorithms for linear systems of equations
求解线性方程组对于科学和技术中的许多问题至关重要，包括机器学习中的问题。现有的量子算法已经证明了大幅加速的潜力，但所需的量子资源并不能立即在近期的量子设备上获得。在这项工作中，我们研究了$Ax = b$形式的线性方程组的近期量子算法。我们研究了变分算法的使用，并分析了它们的优化景观。存在一些类型的线性系统，其变分算法被设计为避免贫瘠的高原，例如适当初始化的虚时间演化和绝热启发的优化，遭受不同的高原问题。为了解决这个问题，我们设计了基于核心思想的近期算法：经典变分量子态组合（CQS）。我们展示了这些算法的几个可证明的保证，支持的线性系统的表示在一个所谓的Ancestor树。CQS方法和Ansatz树还允许系统地应用启发式方法，包括基于梯度的搜索。我们已经进行了数值实验解决线性系统作为大$2^{300} \times 2^{300}$考虑的情况下，我们可以有效地模拟量子算法在经典计算机上。这些实验证明了该算法能够在大约$100$ - $300$量子比特的近期量子设备中扩展到可及的系统尺寸。
2019-12-16 cs.NA math.NA quant-ph
Faster than Classical Quantum Algorithm for dense Formulas of Exact Satisfiability and Occupation Problems
提出了一种求解精确可满足性（XSAT）问题的精确量子算法。该算法是基于一个直观的方法，可以分为两个部分：第一，识别和有效表征的限制子空间，其中包含所有的有效分配的XSAT;第二，在这样的限制子空间的量子搜索。量子算法可以用来找到一个有效的分配（或证明不存在解决方案）或计算有效分配的总数。最坏情况下的查询复杂度分别由$O(\sqrt{2^{n-M^{\prime}}})$和$O(2^{n-M^{\prime}})$限定，其中$n$是变量的数量，而$M^{\prime}$是线性无关子句的数量。值得注意的是，所提出的量子算法的结果比任何已知的精确经典算法更快地解决XSAT的密集公式。作为一个具体的应用，我们提供了最坏情况下的复杂性的哈密顿循环问题后，将其映射到一个合适的XSAT。具体来说，我们表明，所提出的量子算法的时间复杂度是有界的$O(2^{n/4})$ 3-正则无向图，其中$n$是节点的数量。对于$(3,3)$ -正则二分图，同样的最坏情况复杂度也成立（当前最好的经典算法具有由$O(2^{31n/96})$限定的（最坏情况）运行时间）。最后，当与XSAT的启发式技术相比时，所提出的量子算法比经典的WalkSAT和绝热量子优化算法更快，用于约束密度接近可满足性阈值的随机实例，该区域中的实例通常是最难解决的。所提出的量子算法也可以扩展到被称为占领问题的XSAT的广义版本。
2016-08-29 cs.DS quant-ph
