Quantum Approximate Optimization with Parallelizable Gates
量子近似优化算法（QAOA）是一种启发式数字量子计算方案，用于求解浅电路组合问题的近似解。我们提出了一个方案，并行化这种方法的任意全对全连接的问题图的量子位（量子位）的布局与最近邻相互作用。该协议由编码优化问题的单量子位操作组成，所有交互都是最近邻居之间的问题独立的成对CNOT门。这允许在具有正方形晶格几何形状的量子设备中的可并行实现。该建议的基础是格点规范模型，该模型还引入了用于QAOA的附加参数和协议以提高效率。
2018-03-01 quant-ph
Recursive QAOA outperforms the original QAOA for the MAX-CUT problem on complete graphs
本文解析证明了递归QAOA在完全图MAX-CUT问题上的近似比优于原始QAOA，克服了原始算法在常数层级下的局限性。
2023-02-21 quant-ph
Quantum Approximate Multi-Objective Optimization
本研究利用低深度量子近似优化算法近似多目标加权最大割问题的帕累托前沿，并在IBM量子计算机和数值模拟中展示其超越经典方法的潜力。
2025-03-28 quant-ph
Binary Optimization with Complex Constraints via Quantum Approximate Multi-Objective Optimization
IBM Research（IBM研究院）
本文提出将复杂约束的二元优化转化为多目标QUBO，利用量子近似多目标优化在100资产组合上逼近帕累托前沿，并通过经典后处理获得可行解。
2026-10-06 quant-ph
A Pure Quantum Approximate Optimization Algorithm Based on CNR Operation
本研究引入CNR操作提出通用纯量子近似优化算法，采用$p$级分治结构，优化质量随$p$提升，具备可扩展性，在10量子比特的高斯加权2边图、MAX-2-XOR问题中验证了性能。
2024-01-26 quant-ph
Quantum Control for Time-dependent Noise by Inverse Geometric Optimization
量子系统非常难以工程化，因为它们对各种类型的噪声非常敏感。特别是，在实验中经常遇到的时间相关的噪声，但如何克服它们仍然是一个具有挑战性的问题。在这项工作中，我们扩展和应用最近提出的鲁棒控制技术的逆几何优化的时间依赖性噪声的滤波器功能形式主义。其基本思想是几何参数化的控制滤波器功能，并尽量减少其重叠的噪声谱密度。这然后有效地降低了受控系统演化的噪声敏感性。我们表明，所提出的方法可以产生高质量的鲁棒脉冲，实现理想的量子演化下现实的噪声模型，从而将找到当前的物理平台的实际应用。
2022-05-05 quant-ph
Optimization of Flight Routes: Quantum Approximate Optimization Algorithm for the Tail Assignment Problem
针对航空公司尾流分配问题，应用量子近似优化算法（QAOA）进行求解，并与经典方法和量子退火对比，揭示当前量子硬件局限及未来潜力。
2024-12-17 quant-ph
Quantum Algorithms for Scientific Computing and Approximate Optimization
量子计算似乎比经典计算提供了显着的优势，这在该领域产生了巨大的兴趣。在这篇论文中，我们考虑量子计算机在科学计算和组合优化中的应用。我们研究了五个问题。前三个处理量子算法的计算问题，在科学和工程，包括量子模拟的物理系统。特别是，我们研究量子算法的数值计算，为近似的基态和激发态能量的薛定谔方程，并为哈密顿模拟与应用物理和化学。剩下的两个处理近似优化的量子算法。我们研究了量子近似优化算法（QAOA）的性能，并给出了QAOA的推广，$\textit{quantum}$ $\textit{alternating}$ $\textit{operator}$ $\textit{ansatz}$，特别适合于约束优化问题和低资源的实现在近期的量子设备。
2018-05-08 quant-ph
Enhancing Knapsack-based Financial Portfolio Optimization Using Quantum Approximate Optimization Algorithm
本文提出将量子游走混合器与QAOA算法结合解决基于背包的金融投资组合优化问题，实验证明在p>=3电路层下能达到接近经典最优解的近似比，为量子金融领域提供了新见解。
2024-12-21 quant-ph
Quantum approximate optimization is computationally universal
量子近似优化算法（QAOA）是将两个哈密顿量交替应用于一个量子系统。该算法的最初目标是驱动系统接近其中一个哈密顿量的基态。本文表明，相同的交替过程可以用于执行通用量子计算：应用哈密顿量的时间可以编程，以给出计算上的通用动力学。所需的哈密顿量可以简单到一维量子位线上的单量子位泡利X和双局域ZZ哈密顿量的齐次和。
2018-12-28 quant-ph
Resource-efficient quantum approximate optimization algorithm via Bayesian optimization and maximum-probability evaluation
National Key Laboratory of Autonomous Intelligent Unmanned Systems, Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学智能无人系统全国重点实验室、上海智能无人驾驶系统研究所）；College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）
本文提出一种基于最大概率比特串的高效QAOA框架，结合贝叶斯优化和双标准自适应分配射线，实验表明在有限测量预算下，该方法能以更少的总射线达到与传统期望目标相当的离散解质量。
2026-04-08 quant-ph
Digitized-counterdiabatic quantum approximate optimization algorithm
量子近似优化算法（QAOA）已被证明是一种有效的经典量子算法，可以用于求解组合优化问题和多体量子系统的基态。由于QAOA是一种依赖于ansatz的算法，因此总是需要设计更好的优化算法。为此，我们提出了一个数字化版本的QAOA增强通过使用快捷键绝热。具体来说，我们使用一个反绝热（CD）驱动项来设计一个更好的模型，随着哈密顿量和混合项，提高整体性能。我们将我们的数字化反绝热QAOA应用于伊辛模型，经典优化问题和P-自旋模型，表明它在我们研究的所有情况下都优于标准QAOA。
2022-03-04 quant-ph
Parameter-Dependent Noise Resilience in the Quantum Approximate Optimization Algorithm
School of Mathematics, University of Bristol（布里斯托大学数学学院）；Phasecraft Ltd.（Phasecraft有限公司）
本研究针对QAOA受噪声影响的问题，推导了含噪声与无噪声电路输出总变差距离的参数相关上界，提出误差惩罚与截断搜索优化法，并将分析扩展至QAA，为提升量子算法噪声鲁棒性提供了理论与方法支撑。
2026-10-09 quant-ph
Quantum approximate optimization with Gaussian boson sampling
硬优化问题通常通过寻找近似解来解决。在这里，我们强调比例采样的概念，并讨论它如何可以用来提高随机优化算法的性能。我们介绍了一个NP-难的问题，称为最大哈夫和高斯玻色子采样（GBS）可以用来提高任何随机算法这个问题。这些结果应用于增强随机搜索，模拟退火，和贪婪算法。通过数值模拟，我们确认，所有的算法都得到了改进，采用GBS时，GBS增强的随机搜索性能最好，尽管是一个最简单的底层经典例程。
2018-07-30 quant-ph
No-go theorem and optimization of dynamical decoupling against noise with soft cutoff
利用噪声相关的短时展开和数值优化方法，研究了动态解耦抑制软截止高斯噪声引起的退相干的性能。对于高频软截止噪声，在粒子数守恒条件下，不存在动态解耦方案来消除短时间内任意阶的退相干，无论控制的定时或脉冲整形如何。我们制定的方程优化脉冲序列，最大限度地减少退相干的最高可能的顺序的短时间的噪声相关性与奇功率项在短时间的扩展。特别地，我们证明了Carr-Purcell-Meiboom-Gill序列对于时间展开中具有线性序项的噪声相关在短时限下是最优的。
2013-01-31 quant-ph
Automatic Depth Optimization for Quantum Approximate Optimization Algorithm
量子近似优化算法（QAOA）是一种经典优化控制参数的混合算法。除了变分参数外，超参数的正确选择对于提高任何优化模型的性能至关重要。控制深度，或变分参数的数量，被认为是最重要的超参数QAOA。在本文中，我们研究了控制深度的选择与自动算法的基础上，最近的梯度下降。在7节点和10节点最大割问题上证明了自动算法的性能，这表明在迭代过程中可以显着降低控制深度，同时达到足够的优化精度。在理论上保证收敛的情况下，该算法可以作为一种有效的工具来选择适当的控制深度，作为随机搜索或经验规则的替代。此外，控制深度的减小将导致电路中量子门的数量显著减少，这提高了QAOA在噪声中间尺度量子（NISQ）器件上的适用性。
2022-06-29 quant-ph
Multiscale Quantum Approximate Optimization Algorithm
针对低深度QAOA性能受限、高深度又受NISQ技术制约的问题，提出融合实空间重整化群变换的多尺度QAOA，可在最低深度为随机组合优化实例提供准确解，助力展示量子优势。
2023-12-11 quant-ph
Enhanced Framework of Quantum Approximate Optimization Algorithm and Its Parameter Setting Strategy
介绍了量子近似优化算法（QAOA）的一种改进框架，分析了其参数设置策略。增强的QAOA与QAOA一样有效，但具有更大的计算能力和灵活性，并且在适当的参数下，它可以更快地到达最优解。在此基础上，给出了以$O(1)$为代价的参数选择策略。对随机生成的20量子比特规模的3-SAT进行了模拟，并且可以在比$O(\sqrt{N})$小得多的迭代中以高概率找到最优解
2020-12-16 quant-ph
Efficient Depth Selection for the Implementation of Noisy Quantum Approximate Optimization Algorithm
近场量子器件上的噪声将不可避免地限制量子近似优化算法的性能。一个重要的结果是QAOA的性能可能无法随着深度单调地提高。特别是，最佳深度可以在噪声影响刚好超过增加深度所带来的好处的某个点处找到。在这项工作中，我们建议使用模型选择算法来确定最佳深度与正则化参数的几次迭代。数值实验表明，该算法能有效地定位松弛和失相噪声下的最佳深度。
2022-07-09 quant-ph
Multistart Methods for Quantum Approximate Optimization
量子近似优化算法（QAOA）等混合量子经典算法被认为是利用近期量子计算机进行实际应用的最有前途的方法之一。这些算法通常以变分形式实现，将经典优化方法与量子机器相结合，以找到最大化性能的参数。QAOA解决方案的质量很大程度上取决于经典优化器产生的参数的质量。此外，参数空间中多个局部最优解的存在使得经典优化算法更加困难。在本文中，我们研究了在QAOA框架内使用多启动优化方法来提高量子机在重要图聚类问题上的性能。我们还表明，重用类似问题的最优参数可以提高经典优化方法的性能，扩展MAXCUT的类似结果。
2019-05-23 quant-ph
Problem-Size Independent Angles for a Grover-Driven Quantum Approximate Optimization Algorithm
量子近似优化算法（QAOA）要求确定电路参数，以允许从高质量的解决方案中采样到组合优化问题。这些参数可以通过使用昂贵的外环优化程序和重复调用量子计算机来获得，或者通过分析手段来获得。在这项工作中，我们证明，如果一个人知道的概率密度函数描述的目标函数的问题是如何分布的，这样一个问题的哈密顿量的预期计算下格罗弗驱动，QAOA准备状态可以独立于系统的大小。这样的计算可以帮助提供洞察的性能和可预测性的角度QAOA在大的问题大小的限制，特别是，对于数划分问题。
2022-08-22 quant-ph
Approximate Dynamical Quantum Error-Correcting Codes
本文结合动力学码与近似量子纠错，利用策略码框架构造近似动力学码，并通过半定规划证明最优编码、解码和校验测量的唯一性与鲁棒性，同时提出时间 Petz 恢复映射。
2025-08-25 quant-ph
Systematic study on the dependence of the warm-start quantum approximate optimization algorithm on approximate solutions
本文系统研究 WS-QAOA 性能与经典近似解精度之间的关系，通过 MAX-CUT 数值实验表明更接近精确解的初始解可提升浅电路效果。
2022-09-07 quant-ph
Beating classical heuristics for the binary paint shop problem with the quantum approximate optimization algorithm
本文提出用恒定深度的量子近似优化算法（QAOA）求解二元喷漆车间问题，证明在无穷大极限下平均性能优于经典启发式，并通过数值和离子阱量子实验验证。
2025-10-17 quant-ph
A Review on Quantum Approximate Optimization Algorithm and its Variants
本综述全面梳理了量子近似优化算法（QAOA）的性能、适用性及硬件挑战，比较了其变体，并探讨了其超越经典算法的可能性与使用条件，提供了实用指南。
2023-06-26 quant-ph
The Quantum Approximate Optimization Algorithm performance with low entanglement and high circuit depth
变分量子算法构成了使用当前噪声量子计算机的最广泛的方法之一。然而，这是未知的，如果这些启发式算法提供任何量子计算加速，虽然我们不能模拟他们的经典的中间尺寸。由于纠缠是量子计算能力的核心，我们研究了它在这些启发式方法解决优化问题中的作用。特别地，我们使用矩阵乘积态来模拟量子近似优化算法与减少键维数$D$，一个参数限制系统纠缠。此外，我们限制模拟进一步确定性采样的解决方案。我们的结论是，纠缠在这里研究的MaxCut和精确覆盖3问题中起着次要的作用，因为模拟算法分析，高达$60$量子位和$p=100$算法层，表明它提供了键尺寸$D \approx 10$和深度$p \approx 30$的解决方案。此外，我们研究了近似算法模拟中的经典优化循环，使用$12$量子比特和深度达到$p=4$，并表明在低纠缠度下近似的最佳参数接近精确参数。
2022-07-07 quant-ph
Quantum Approximate Optimization Algorithm with Adaptive Bias Fields
量子近似优化算法（QAOA）将一个简单的多量子比特波函数转换为一个编码的解决方案，一个困难的经典优化问题。它通过优化调度来实现这一点，根据该调度，两个幺正算子交替地应用于量子比特。在本文中，QAOA的修改更新运营商本身，包括当地的领域，使用信息从测量波函数在一个迭代步骤结束时，以改善运营商在以后的步骤。最大割问题的数值模拟表明，对于固定的精度，该方法大大减少了QAOA的运行时间。这种改善似乎随着问题的大小而增加。我们的方法基本上需要相同数量的量子门每个优化步骤的标准QAOA，没有额外的测量。这种改进的算法提高了某些优化问题的量子优势的前景。
2022-06-28 quant-ph
Quantum Dropout: On and Over the Hardness of Quantum Approximate Optimization Algorithm
针对QAOA在崎岖能量景观中性能下降的问题，提出量子丢弃方法，通过选择性移除电路子句而不影响解，数值实验验证了其性能提升。
2023-06-21 quant-ph
Large-scale quantum approximate optimization on non-planar graphs with machine learning noise mitigation
研究提出基于机器学习的错误缓解方法，结合交换网络和前馈神经网络，在多达40个量子比特的非平面随机正则图上实现了深度为2的QAOA优化，向非经典可模拟规模的量子近似优化迈进。
2024-03-22 quant-ph
Symmetry-informed transferability of optimal parameters in the Quantum Approximate Optimization Algorithm
本文研究量子近似优化算法中MaxCut问题最优参数的对称性，证明其存在多组最优参数，并发现仅部分可迁移，通过对称性转换实现有效迁移，并推广至伊辛模型及递归和多角度变体。
2024-10-25 quant-ph
Simulations of Quantum Circuits with Approximate Noise using qsim and Cirq
我们介绍了多节点量子轨道模拟与qsim，一个开源的高性能的量子线路模拟器。qsim可以用作Cirq的后端，Cirq是一个用于编写量子线路的Python软件库。提出了一种新的量子轨道延迟内积算法，该算法在低噪声模拟时可以获得一个数量级的加速。我们还提供了在Google Cloud Platform中使用此框架的工具，在单模式或多节点设置中使用高性能虚拟机。多节点结构非常适合模拟具有量子轨道的噪声量子线路。最后，我们介绍了一个近似的噪声模型，谷歌的实验量子计算平台和比较噪声模拟的结果与实验的几个量子算法在谷歌的量子计算服务。
2021-11-03 quant-ph
Quantum Approximate Optimization Algorithm pseudo-Boltzmann states
在这封信中，我们提供了分析和数值证据，单层量子近似优化算法（QAOA）的通用伊辛自旋模型产生热态。我们发现，这些伪玻尔兹曼态不能有效地模拟在经典计算机上根据一般的国家的最先进的条件，确保快速混合的伊辛模型。此外，我们观察到，温度取决于一个国家的能量和其他能级的协方差和汉明距离的状态，这些能量之间的隐藏的普遍相关性。
2023-02-03 quant-ph
Performance of the Quantum Approximate Optimization Algorithm on the Maximum Cut Problem
量子近似优化算法（QAOA）是一种很有前途的方法，用于编程一个短期的基于门的混合量子计算机，以找到很好的近似解的困难的组合问题。然而，目前很少有人知道QAOA的能力，或所需的参数优化的难度。在这里，我们研究了QAOA在MaxCut组合优化问题上的性能，使用自动微分和随机梯度下降在经典计算机上优化量子线路，使用QuantumFlow，一个用TensorFlow实现的量子线路模拟器。我们发现，我们可以摊销的训练成本，通过优化批量的问题实例，QAOA可以超过经典的多项式时间的Goemans-Williamson算法的性能与适度的电路深度，并与固定的电路深度的性能是不敏感的问题的大小。此外，MaxCut QAOA可以使用量子位交换网络在具有有限量子位连接的基于门的量子计算机上有效地实现。这些观察结果支持QAOA将成为解决近期量子计算机上有趣问题的有效方法的前景。
2018-11-20 quant-ph
An adaptive quantum approximate optimization algorithm for solving combinatorial problems on a quantum computer
量子近似优化算法（QAOA）是一种求解组合优化问题的混合变分量子-经典算法。虽然有证据表明标准QAOA的固定形式不是最佳的，但没有系统的方法来找到更好的ansätze。我们解决这个问题，通过开发一个迭代版本的QAOA是问题量身定制的，也可以适应特定的硬件约束。我们模拟算法的一类最大割图问题，并表明它的收敛速度比标准QAOA，同时减少所需的CNOT门和优化参数的数量。我们提供的证据表明，这种加速是连接到绝热性的捷径的概念。
2022-07-07 quant-ph
Grover Search Inspired Alternating Operator Ansatz of Quantum Approximate Optimization Algorithm for Search Problems
该研究利用绝热量子搜索与绝热量子计算的框架映射，通过对绝热量子搜索的含调度哈密顿量做Trotter化得到QAOA的变分参数，无需迭代机器学习即可将Grover搜索的最优性能迁移至QAOA框架。
2023-04-28 quant-ph
Compressed space quantum approximate optimization algorithm for constrained combinatorial optimization
本文提出压缩空间QAOA，通过可扩展的酉变换将可行解空间映射到更少量子比特，在缩减空间内优化，有效处理各类约束组合优化问题，并在量子模拟器上验证了有效性。
2025-08-04 quant-ph
Demonstrating Quantum Scaling Advantage in Approximate Optimization for Energy Coalition Formation with 100+ Agents
本研究通过100多个智能体的能源联盟形成问题，证明D-Wave量子退火在近似优化中相比经典求解器具有运行时扩展优势，并超越1轮QAOA。
2025-10-16 quant-ph
Quantum Approximate Optimization via Noise-Directed Adaptive Warm-Starting
USRA Research Institute for Advanced Computer Science (RIACS)（美国大学空间研究协会先进计算机科学研究所）；The Hartree Centre, STFC（哈特里中心，科学和技术设施委员会）；IBM Quantum, IBM Research Europe – Ehningen（IBM量子，IBM欧洲研究院-埃宁根）；IBM Quantum, IBM Research Europe – Zurich（IBM量子，IBM欧洲研究院-苏黎世）
针对硬件噪声和有限量子比特数阻碍组合优化量子优势实现的问题，提出噪声导向自适应热启动方法，利用位翻转规范变换，在100比特伊辛哈密顿量实验中高性能实现量子优化，优于非规范变换迭代热启动，为后续增强奠定基础。
2026-09-24 quant-ph
Relating the multi-angle quantum approximate optimization algorithm and continuous-time quantum walks on dynamic graphs
在这项工作中，我们表明，ma-QAOA是等价的限制动态图上的连续时间量子行走。然后，我们发现它是通用的计算找到适当的$B$和$C$运营商和角度，实现通用的门集组成的Hadamard，$π/8$和受控非门的ma-QAOA框架。这一结果开始弥合连续时间量子行走模型和量子计算的门模型之间的差距。
2022-09-01 quant-ph
Transformers as Intrinsic Optimizers for Quantum Approximate Optimization Algorithm
JIJ Inc.（JIJ公司）；Rutherford Appleton Laboratory（鲁瑟福·阿普尔顿实验室）；Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子技术中心）
本文提出一种图条件Transformer作为QAOA的内在优化器，直接嵌入混合量子-经典循环以预测参数更新，在MaxCut基准上验证了其可迁移性和有效性。
2026-09-18 quant-ph
Constrained mixers for the quantum approximate optimization algorithm
量子近似优化算法/量子交替算子算法（QAOA）是求解组合优化问题近似解的一种启发式算法。大多数文献仅限于无约束的二次问题。然而，许多实际相关的优化问题确实有需要满足的（硬）约束。在这篇文章中，我们提出了一个框架，用于构建混合算子，限制演化的子空间的完整的希尔伯特空间给出这些约束，我们推广的“XY”混合器设计，以保持子空间的“一热”状态的一般情况下的子空间由一些计算基态。我们揭示了底层的数学结构，它揭示了混频器如何工作，以及如何在CX门的数量方面最大限度地降低成本，特别是当考虑到Trotterization时。我们的分析还导致有效的Trotterizations的“XY”混频器与CX门比已知的日期。鉴于实际的实现，我们还描述了算法有效地分解成基础门。几个例子更一般的情况下，提出和分析。
2022-06-22 quant-ph
Improving Quantum Approximate Optimization by Noise-Directed Adaptive Remapping
本文提出噪声导向的自适应重映射（NDAR）算法，通过迭代规范变换将量子处理器中的全局噪声吸引子态转化为更优解，使噪声辅助变分优化，在82比特随机全连接图上将深度p=1 QAOA的近似比从0.34-0.51提升至0.9-0.96。
2025-11-01 quant-ph
Modular Parity Quantum Approximate Optimization
宇称变换编码自旋模型在一个更大的希尔伯特空间的低能量子空间与平面晶格上的约束。应用量子近似优化算法（QAOA），约束可以通过能量惩罚显式地强制执行，或者通过驱动器哈密顿量将动力学限制在低能量子空间来隐式地强制执行。虽然显式方法允许与系统大小无关的电路深度的并行化，隐式方法显示出更好的QAOA性能。在这里，我们结合这两种方法，以提高QAOA的性能，同时保持电路的并行化。特别是，我们引入了一个模块化的并行化方法，分区的电路成簇的子电路与固定的最大电路深度，相关的扩展到大的系统尺寸。
2022-03-08 quant-ph
Statistical Benchmarking of Optimization Methods for Variational Quantum Eigensolver under Quantum Noise
IT4Innovations National Supercomputing Center, VSB - Technical University of Ostrava（IT4Innovations国家超级计算中心，俄斯特拉发理工大学）；Gran Sasso Science Institute（格兰萨索科学研究所）；Technical University of Munich（慕尼黑工业大学）；VSB-Technical University of Ostrava（俄斯特拉发理工大学）；Marine Research Institute, Klaipeda University（克莱佩达大学海洋研究所）；Université Montpellier, CNRS, ENSCM（蒙彼利埃大学，法国国家科学研究中心，国立高等化学学院）；Università dell’Aquila（阿奎拉大学）
本文研究了不同量子噪声条件下，变分量子本征求解器中六种优化算法的性能，评估其稳定性、精度和计算效率，为量子化学计算提供优化策略指导。
2026-03-20 quant-ph
Solving the Independent Domination Problem by Quantum Approximate Optimization Algorithm
本文提出基于QAOA的独立支配问题求解方法，并在IBM qasm_simulator上验证其在特定参数下计算复杂度优于经典算法。
2024-12-29 quant-ph
Approximate separation of quantum gates and separation experiments of CNOT based on Particle Swarm Optimization algorithm
Ying设想使用两个或多个小容量量子计算机通过量子并行编程产生更大容量的量子计算系统（[M. S. Ying，Morgan-Kaufmann，2016]）。这样做的主要障碍是将整个电路中的量子门分开，以产生局部门的张量积。已经表明，存在很少的可分离的多体量子门，所以近似分离问题涉及到找到近似于给定的不可分离门的局部量子门。我们提出并研究了一个基于量子门保真度的多体门近似分离问题。对于给定的多部门和局部门，我们的结论是，较小的是任意一对特征值的产品之间的最大距离，更大的是他们的门保真度。这提供了近似分离的标准。最后，我们讨论了CNOT门的最佳近似分离。
2022-01-15 quant-ph
Investigating Quantum Approximate Optimization Algorithms under Bang-bang Protocols
量子近似优化算法（QAOA）被广泛认为是有噪声的中间尺度量子（NISQ）器件的可能用途。我们分析了该算法作为一个bang-bang协议与固定的总时间和随机贪婪优化方案。我们在MAX-2-SAT上研究了bang-bang QAOA的性能，发现了相变随总时间的变化。随着总时间的增加，最佳的bang-bang协议的性能经历了一些跳跃和高原，这与标准QAOA公式中越来越多的开关相匹配。在很大程度上，找到一个全局最优的bang-bang协议变得更加困难，性能也会受到影响。我们还研究了改变随机优化算法的初始条件的影响，并发现使用绝热初始化可以找到更好的局部最优解。
2020-09-15 quant-ph
Parameters Fixing Strategy for Quantum Approximate Optimization Algorithm
量子近似优化算法（QAOA）在求解近期噪声中间可扩展量子（NISQ）器件的组合优化问题中有着广泛的应用前景。QAOA具有量子-经典混合结构。它的量子部分由一个参数化的交替算子animator组成，它的经典部分包括一个优化算法，该算法优化参数以最大化问题哈密顿量的期望值。该期望值在很大程度上取决于参数，这意味着一组好的参数会导致准确的解。然而，在大的电路深度QAOA，它是难以实现全局优化，由于多次出现的局部极小值或极大值。在本文中，我们提出了一种参数固定策略，它提供了高的近似比平均，即使在大的电路深度，通过初始化QAOA从以前的深度获得的最佳参数。我们测试我们的策略上的最大切割问题的某些类别的图，如3-正则图和Erdös-Rényi图。
2021-08-11 quant-ph
Optimal elemental configuration search in crystal using quantum approximate optimization algorithm
本文以Au-Cu合金为例，将晶体能量映射为伊辛模型，并数值验证了QAOA在最多32原子体系中以高概率找到最稳定元素构型，为近期量子计算机应用于材料构型搜索提供了可行路径。
2025-03-12 quant-ph
Noise-Symmetry Optimization of Quantum Error-Corrected Metrology
School of Physics, Sun Yat-sen University（中山大学物理学院）；State Key Laboratory for Mesoscopic Physics, Department of Physics, Peking University（北京大学物理学院介观物理国家重点实验室）；Hefei National Laboratory, University of Science and Technology of China（中国科学技术大学合肥国家实验室）
该研究针对量子纠错计量学中编码态可能对参数不敏感的问题，提出基于对称性的优化方法，可提升量子费舍尔信息，使编码达到标准量子极限甚至海森堡标度，增强计量灵敏度。
2026-08-25 quant-ph
Analog Quantum Approximate Optimization Algorithm
我们提出了一个模拟版本的量子近似优化算法适用于当前的量子退火。该算法的核心思想是优化调度函数，它定义了绝热演化。它是通过选择一个合适的参数化的时间表功能的基础上插值方法为固定的时间，有可能产生任何功能。该算法提供了优化问题的近似结果，该优化问题可以在当前量子退火机的相干时间期间在其朝向量子优势的道路上发展。
2022-10-08 cond-mat.mes-hall quant-ph
Noise-Resilient and Reduced Depth Approximate Adders for NISQ Quantum Computing
本文面向 NISQ 量子计算提出五种抗噪声且降低深度的近似量子加法器设计，利用直通和单 CNOT 门等低深度方案，在 IBM Qiskit 噪声实验中显著提升保真度。
2024-08-01 cs.AR quant-ph
A Noise-Aware Scalable Subspace Classical Optimizer for the Quantum Approximate Optimization Algorithm
ANASTAARS通过自适应随机子空间策略提升QAOA参数优化效率，有效应对噪声和大规模层问题，展示出在近期量子计算中的可扩展性。
2025-07-15 math.OC quant-ph
Classical Optimization Strategies for Variational Quantum Algorithms: A Systematic Study of Noise Effects and Parameter Efficiency
本研究系统基准测试了近噪声量子条件下量子近似优化算法求解广义均值方差问题的经典优化策略，发现无噪声时$γ$参数非活跃，据此提出聚焦$β$参数的过滤优化法，提升了参数效率与鲁棒性。
2025-11-12 cs.NA math.NA quant-ph
