Fast gradient-free optimization of excitations in variational quantum eigensolvers
本文提出无梯度、无超参数且全局感知的量子优化器 ExcitationSolve，针对激发算符生成元满足 $G^3=G$ 的参数化酉算符进行快速优化，在分子基态能量基准上以更快收敛、单次参数扫描达到化学精度并保持硬件噪声鲁棒性。
2025-11-05 quant-ph
Operator Sampling for Shot-frugal Optimization in Variational Algorithms
量子化学是量子计算机的近期应用。这种应用程序可以通过变分量子经典算法（VQCAs）来促进，尽管VQCAs的一个问题是收敛所需的大量测量，特别是化学精度。这里我们介绍一种减少测量次数的策略（即，通过从整个哈密顿量$H = \sum_i c_i h_i$中随机采样算子$h_i$，特别地，我们采用加权采样，这在$c_i$高度不均匀时是重要的，这在化学中是典型的。我们将此策略与我们小组最近开发的自适应优化器相结合，构建了一种改进的优化器，称为Rosalin（用于自适应学习的随机操作员采样，具有单独的拍摄次数）。Rosalin实现了随机梯度下降，同时为每个偏导数调整散粒噪声，并根据加权分布在$h_i$中随机分配散粒。我们实现了这个和其他优化器，以找到分子H $_2$，LiH和BeH $_2$的基态，没有和有量子硬件噪声，和罗莎琳优于其他优化器在大多数情况下。
2020-04-14 quant-ph
Performance comparison of optimization methods on variational quantum algorithms
变分量子算法（VQA）为在学术和工业研究中使用近期量子硬件提供了一条有前途的道路。这些算法的目的是通过使用经典优化算法优化参数化的量子线路来找到量子问题的近似解。一个成功的VQA需要快速和可靠的经典优化算法。理解和优化现成的优化方法在这种情况下的表现对于该领域的未来非常重要。在这项工作中，我们研究了四种常用的无梯度优化方法的性能：SLSQP，COBYLA，CMA-ES和SPSA，在寻找一系列小的化学和材料科学问题的基态能量。我们在所有方法上测试了一个伸缩采样方案（其中提供给优化器的成本函数估计的准确性随着优化收敛而增加），展示了我们选择的优化器和问题范围内的混合结果。我们进一步超参数调整的四个优化器（CMA-ES和SPSA）在大范围的模型，并证明了适当的超参数调整，CMA-ES是有竞争力的，有时优于SPSA（这是没有观察到的超参数调整）。最后，我们调查的能力，一个优化器击败“采样噪声地板”的采样噪声对每个成本函数估计提供给优化器。我们的研究结果表明，定制和超参数调整已知的优化技术的内在噪声变分量子算法的必要性，变分景观，人们发现在VQA是高度问题和系统依赖。这为今后在实验中实现这些算法提供了指导。
2023-03-08 quant-ph
A novel framework for Shot number minimization in Quantum Variational Algorithms
本文提出一个结合估计器与优化器的通用框架，通过样本均值加模拟退火、递归估计加梯度下降两种方案减少变分量子算法中的测量次数，并验证其性能优于传统方法。
2023-07-08 quant-ph
Parent Hamiltonian as a benchmark problem for variational quantum eigensolvers
变分量子本征求解器（VQE）作为有噪中等规模量子器件的一种有前途的应用而引起关注，它通过变分优化称为拟置的量子线路的参数来找到给定汉密尔顿量的基态。由于优化的难度取决于问题的哈密顿量的复杂性和模型的结构，因此很难系统地分析VQE优化器的性能。为了解决这个问题，我们提出了一种技术来构建一个基准问题，其基态是保证可实现的与给定的Anantonymous使用的思想，父哈密顿的低深度参数化量子线路。我们比较了几个优化的收敛性，通过改变初始参数的距离，从解决方案，并发现收敛的能量表现出阈值般的行为依赖于距离。本文的工作为VQE优化器的分析提供了一种系统的方法，并有助于优化器及其初始参数的设计。
2022-05-11 quant-ph
Using models to improve optimizers for variational quantum algorithms
变分量子算法是噪声中等规模量子计算机早期应用的主要候选者。这些算法依赖于一个经典的优化外环，最小化参数化的量子线路的一些功能。在实践中，有限的采样误差和选通误差使得这是一个具有独特挑战的随机优化，必须在优化器级别解决。精确度和采样时间之间的急剧权衡以及实验约束需要开发新的优化策略，以最大限度地减少这种设置中的整体挂钟时间。在这项工作中，我们介绍了两种优化方法，并在数值上比较它们的性能与目前使用的常用方法。这些方法是基于代理模型的算法，旨在提高所收集数据的重用。它们通过利用移动可信区域内的采样函数值的最小二乘二次拟合来估计梯度或策略梯度。为了在优化方法之间进行公平的比较，我们开发了实验相关的成本模型，旨在平衡云量子计算系统的测试效率和准确性。这里的结果强调了使用相关成本模型和优化现有优化方法的超参数以获得竞争性能的必要性。这里介绍的方法在现实的实验环境中有几个实际的优势，我们已经成功地使用了其中一个在谷歌的Sycamore设备上单独发布的实验。
2020-08-11 quant-ph
Evaluating the Performance of Some Local Optimizers for Variational Quantum Classifiers
Banasthali Vidyapith（巴纳斯塔利大学）；Umm Al Quwain University（乌姆盖万大学）
本文研究了量子变分电路中局部优化器的性能和作用。我们研究了两个最流行的优化器的性能，并将其结果与一些流行的经典机器学习算法进行了比较。我们在研究中使用的经典算法是支持向量机（SVM），梯度提升（GB）和随机森林（RF）。这些进行了比较与变分量子分类器（VQC）使用两套本地优化器，即AQGD和COBYLA。对于VQC的实验，使用了IBM Quantum Experience和IBM Qiskit，而对于经典的机器学习模型，使用了sci-kit learn。结果表明，在有噪声的即时尺度量子机器上进行机器学习可以产生与经典机器相当的结果。对于我们的实验，我们使用了一个流行的餐厅情绪分析数据集。从该数据集中提取的特征，然后在应用PCA后将特征集减少为5个特征。使用EfficientSU 2变分电路，使用100个epoch和150个epoch训练量子ML模型。总体而言，训练了四个量子ML模型，训练了三个经典ML模型。使用标准评价指标（即准确度、精确度、召回率、F分数）评价训练模型的性能。在所有情况下，具有100个Epochs的基于AQGD优化器的模型的性能优于所有其他模型。它产生了77%的准确率和0.785的F分数，这是所有训练模型中最高的。
2021-02-17 cs.LG quant-ph
Evaluation on Genetic Algorithms as an optimizer of Variational Quantum Eigensolver(VQE) method
量子计算机上的变分量子本征解算器（VQE）方法是一种著名的混合算法，可以同时使用量子计算机和经典计算机来求解本征态和本征值。这种方法有可能解决量子化学模拟，包括聚合物和复杂的优化问题，永远无法在现实的时间内解决。虽然关于VQE的研究文献很多，但在实际应用之前还有很多障碍。因此，我们尝试用遗传算法（GA）来评估VQE方法。在本文中，我们提出的VQE方法与遗传算法。我们选择氢分子的基态和激发态能量作为目标，因为尽管氢分子的结构非常简单，但在激发态上存在许多局部极小值。因此，不容易找到状态的能量。从基态、三重态、单重态和双激发态能量值的对数误差的角度比较了遗传算法与其它方法的优劣。结果表明，BFGS方法具有最高的精度。我们认为rcGA作为VQE方法的优化被证明是令人失望的。与其他方法相比，rcGA没有显示出优势。我们认为，这是由于初始收敛。在未来，我们想尝试引入遗传算法，然后局部搜索。
2021-10-14 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
Normalized Gradient Descent for Variational Quantum Algorithms
变分量子算法（VQA）是利用噪声量子计算机和经典计算技术进行实际应用的有前途的方法。在VQA中，经典的优化器如基于梯度的优化器被用来调整量子线路的参数，使得目标函数最小化。然而，他们经常遭受所谓的消失梯度或贫瘠高原问题。另一方面，归一化梯度下降（NGD）方法，它采用归一化梯度向量更新的参数，已成功地利用在一些优化问题。在这里，我们首次研究了NGD方法在VQA优化中的性能。我们的目标是双重的。第一个是检查NGD及其变体克服消失梯度问题的有效性。二是提出了一种新的NGD，它比普通NGD具有更快的收敛速度。我们进行了数值模拟，这些基于梯度的优化在量子化学的背景下，VQA是用来找到一个给定的哈密顿量的基态。结果表明，在VQA的NGD方法的有效的收敛性能，与相关的优化没有归一化。此外，我们利用一些归一化的梯度向量在过去的迭代步骤，提出了新的历史NGD，有一个理论上的保证，以加快收敛速度，这是在数值实验中观察到的。
2021-06-21 quant-ph
Variational quantum solver employing the PDS energy functional
最近，一类基于连通矩展开的量子计算的新量子算法被报道用于寻找基态和激发态能量。特别是，Peeters-Devreese-Soldatov（PDS）公式被发现是变分的，并具有进一步与现有变分量子基础设施相结合的潜力。在这里，我们发现，PDS配方可以被认为是一个新的能量泛函的PDS能量梯度可以在一个传统的变分量子求解器。与通常的变分量子本征求解器（VQE）和原有的静态PDS方法相比，这种新的变分量子本征解算器提供了一种有效的方法来导航动力学，以避免陷入涉及不同状态的局部极小值，并通过适度质量的试验波函数的旋转来实现高精度地找到基态及其能量，从而提高了量子模拟的精度和效率。我们证明了所提出的变分量子求解器的玩具模型，H $_2$分子，强关联平面H $_4$系统在一些具有挑战性的情况下的性能。在所有的案例研究中，建议的变分量子方法优于通常的VQE和静态PDS计算，即使在最低阶。我们还讨论了所提出的方法的局限性和NISQ设备上的模型哈密顿的初步执行。
2021-06-22 quant-ph
Reliable Optimization Under Noise in Quantum Variational Algorithms
针对变分量子本征求解器受有限次采样噪声导致代价曲面扭曲、虚假极小值及胜者诅咒偏差的问题，通过基准测试八种经典优化器，发现自适应元启发式方法（如CMA-ES、iL-SHADE）在噪声下更有效，提出物理驱动近似与自适应优化器协同设计的实用指南。
2025-11-11 quant-ph
Preconditioning for a Variational Quantum Linear Solver
研究将经典预条件技术应用于变分量子线性求解器，通过不完全LU分解处理随机稀疏矩阵，数值证明其能显著降低所需ansatz深度，从而提升NISQ算法的效率与准确性。
2024-04-23 quant-ph
A Novel Noise-Aware Classical Optimizer for Variational Quantum Algorithms
本文针对变分量子算法在含噪设备上的优化问题，将“噪声感知数值优化”技术引入基于模型的无导数优化方法，提出新型噪声感知优化器，并在 VQA 仿真中验证其性能优于 scikit-quant 经典求解器。
2024-06-14 math.OC quant-ph
Scaling the Variational Quantum Eigensolver for Dynamic Portfolio Optimization
本研究探索变分量子特征求解器在超100量子比特的动态投资组合优化中的潜力，通过在真实量子处理单元上测试不同拟设线路与优化器组合，实现6至112量子比特的规模化扩展，结合差分进化优化器与定制拟设线路取得最优结果。
2025-02-21 quant-ph
Latency-aware adaptive shot allocation for run-time efficient variational quantum algorithms
有效的经典优化器在变分量子算法（VQA）的实际实现中至关重要。特别地，为了使随机梯度下降（SGD）资源高效，已经提出了自适应策略来确定用于估计梯度的测量发射的数量。然而，现有的策略忽略了每次迭代中发生的开销。在挂钟运行时间方面，当使用大量迭代时，显著的电路交换和通信延迟会减慢优化过程。在使用云服务的经济成本方面，每个任务的价格可能会变得很重要。为了解决这些问题，我们提出了一个自适应的策略，平衡在每次迭代中的镜头的数量，以最大限度地提高预期的增益每单位时间或成本，明确考虑到开销。我们的方法不仅适用于简单的SGD，也适用于它的变体，包括Adam。数值模拟表明，我们的自适应镜头策略实际上是有效的亚当，优于许多现有的国家的最先进的自适应镜头优化。然而，对于简单的SGD来说，情况并非如此。当关注镜头数量作为资源时，我们的零开销自适应镜头Adam也优于现有的优化器。
2023-02-09 quant-ph
An efficient adaptive variational quantum solver of the Schrodinger equation based on reduced density matrices
最近，Grimsley等人（Nat.Commun. 10，3007），而执行该算法所需的测量次数为O（N^8）。在这项工作中，我们提出了一个有效的自适应变分量子求解的薛定谔方程的ADAPT-VQE的基础上与约简密度矩阵重建方法，它减少了测量的数量从O（N^8）到O（N^4）。该算法电路复杂度低，测量量小，非常适合于在有噪声的中等规模硬件上进行化学体系的量子模拟。小分子的数值基准计算表明，这种新的算法提供了一个准确的描述基态势能曲线。此外，我们推广了这种新的算法的激发态与变分量子紧缩的方法，并实现了相同的精度基态模拟。
2020-12-13 quant-ph
Variational Quantum Linear Solver via Block Encoding for the Poisson Equation
BosonQ Psi Corp.（BosonQ Psi 公司）；Department of Computer Science, University of Maryland, College Park（马里兰大学帕克分校计算机科学系）
该研究提出基于离散拉普拉斯算子精确块编码的泊松方程变分量子线性求解器，仅需单电路完成代价评估，经三类物理基准测试验证性能，且发现经典优化器选择影响变分优化进展。
2026-08-21 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
Variational Quantum Linear Solver with Dynamic Ansatz
变分量子算法在NISQ时代取得了成功，因为它们的混合量子-经典方法减轻了量子计算机中的噪声问题。在我们的研究中，我们介绍了变分量子线性解算器的线性代数方程组的动力学分析。在该改进算法中，硬件有效的模拟电路中的层数是进化的，从小的开始逐渐增加，直到达到解的收敛。我们证明了算法的优势相比，标准的，静态的anananomaly通过利用更少的量子资源和平均更小的量子深度，在存在和不存在量子噪声的情况下，以及在情况下，当系统矩阵的量子位数或条件数增加。迭代次数和层数可以通过切换参数来改变。该算法在使用量子资源的性能进行量化的新定义的度量。
2021-10-31 quant-ph
Solving Combinatorial Optimization Problems with a Block Encoding Quantum Optimizer
针对组合优化问题，提出使用块编码表示成本函数的混合量子求解器BENQO，实验表明其性能显著优于QAOA且与VQE相当，是一种有前景的新型量子-经典混合算法。
2025-03-05 quant-ph
Surviving The Barren Plateau in Variational Quantum Circuits with Bayesian Learning Initialization
变分量子-经典混合算法被认为是近期在量子计算机上解决实际问题的一种很有前途的策略。虽然这种方法减少了量子机器所需的量子位和操作的数量，但它给经典优化器带来了沉重的负担。虽然经常被低估，后者是一个计算困难的任务，由于参数化量子线路中的贫瘠高原现象。由于缺乏梯度等引导特征，传统的优化策略随着量子比特数量的增加而变得无效。在这里，我们介绍了快速和慢速算法，它使用贝叶斯学习来识别参数空间中的一个有希望的区域。这用于初始化快速局部优化器以有效地找到全局最优点。我们说明了这种方法的有效性上的酒吧和条纹（BAS）量子生成模型，这已经在几个量子硬件平台上进行了研究。我们的研究结果移动变分量子算法更接近他们在量子化学，组合优化，和量子模拟问题的预期应用。
2022-03-04 quant-ph
Introducing the Kernel Descent Optimizer for Variational Quantum Algorithms
本文提出核下降优化器，通过再生核希尔伯特空间技术提升变分量子算法的优化性能。
2025-12-15 cs.NA math.FA math.NA
Quantum variational PDE solver with machine learning
求解非线性偏微分方程是基础科学和许多实际工业中最常见但又最重要的任务之一。在这里，我们提出了一个量子变分（QuVa）PDE求解器的帮助下，机器学习（ML）计划，以协同两个新兴的技术在数学上困难的问题。该求解器的核心量子处理是有效地计算特别设计的量子算符的期望值。对于一个大的量子系统，我们只从几个控制量子比特的测量中获得数据，以避免整个量子系统的测量中的指数成本，并使用ML技术优化一条找到所需PDE的可能解集的路径。作为一个例子，几个不同类型的二阶DE检查与随机选择的样本和回归方法来追逐最佳候选的解决方案的功能与另一个试验样本。我们证明了一个三量子比特系统成功地遵循了三个不同的DE的解析解的模式，具有高保真度，因为变分的解决方案是由一个必要条件，以获得精确的解决方案的DE。因此，我们相信，在ML技术的支持下，从QuVa PDE求解器中有效地提取了最终解候选集，并且该算法可以有益于搜索复杂数学问题的解以及找到大型量子系统中本征态的良好ansatz（例如，量子化学）。
2021-09-19 quant-ph
Using Differential Evolution to avoid local minima in Variational Quantum Algorithms
本文针对变分量子算法的局部极小值和贫瘠高原问题，提出采用无梯度的差分进化进行优化，并在 VQE、Ising 链和 Hubbard 模型中验证其更优的成功率与精度。
2023-09-29 quant-ph
Variational-Adiabatic Quantum Solver for Systems of Linear Equations with Warm Starts
Italian Institute of Technology（意大利理工学院）；Eni S.p.A.（埃尼集团）
本文提出了一种结合绝热演化和暖启动的变分量子求解器，用于高效求解线性方程组，并在浅层电路中实现接近全局最优解。
2026-02-17 quant-ph
PVLS: A Learning-based Parameter Prediction Technique for Variational Quantum Linear Solvers
PVLS 通过图神经网络生成高质量初始参数，提升变分量子线性求解器的优化效率和收敛性。
2025-12-04 quant-ph
Numerical Optimization Strategies for the Variational Hamiltonian Ansatz in Noisy Quantum Environments
Gran Sasso Science Institute（格兰萨索科学研究所）；VSB-Technical University of Ostrava（俄斯特拉发理工大学）；IT4Innovations National Supercomputing Center, VSB–Technical University of Ostrava（俄斯特拉发理工大学 IT4创新国家超算中心）；Technical University of Munich（慕尼黑工业大学）；Fraunhofer Institute for Chemical Technology ICT（弗劳恩霍夫化学技术研究所）；Saarland University（萨尔兰大学）；University of L’Aquila（拉奎拉大学）
本文提出了一种系统性的优化算法评估方法，用于变分哈密顿近似在噪声量子环境中的应用，发现基于种群的优化器在有限样本噪声下表现更稳健，且通过利用噪声底座的对称性实现了更高的能量估计精度。
2026-01-22 cs.NA math.NA quant-ph
Robust Variational Ground-State Solvers via Dissipative Quantum Feedback Models
本文提出了一种基于耗散量子反馈模型的变分基态求解器，通过H-infinity控制提升鲁棒性，适用于量子化学和光学实验平台。
2025-12-16 quant-ph
Classical Optimizers for Noisy Intermediate-Scale Quantum Devices
我们提供了一系列针对有噪中尺度量子（NISQ）设备使用而调整的优化器。优化器在量子计算中具有一系列应用，包括变分量子本征求解器（VQE）和量子近似优化（QAOA）算法。它们也用于校准任务，超参数调整，在机器学习等，我们分析了不同的优化VQE案例研究的效率和有效性。VQE是一种混合算法，具有经典的最小化步骤，驱动量子处理器上的下一次评估。虽然迄今为止的大多数结果集中在调谐量子VQE电路，我们表明，在量子噪声的存在下，经典的极小步骤需要仔细选择，以获得正确的结果。我们探索国家的最先进的无梯度优化器能够处理噪声，黑盒，成本函数和压力测试，他们使用量子线路模拟环境与噪声注入能力的个别门。我们的研究结果表明，专门调整的优化器是至关重要的NISQ硬件上获得有效的科学成果，并可能仍然是必要的，即使是未来的容错电路。
2021-04-15 quant-ph
Resource-efficient variational quantum solver for the travelling salesman problem and its silicon photonics implementation
University of Trento（特伦托大学）
提出一种基于两个最大纠缠量子寄存器的变分量子算法，通过关联矩阵编码路径，仅需2⌈log₂N⌉量子比特，并在可重构硅光子电路上实验验证了四城市问题。
2026-05-26 quant-ph
Gate Freezing Method for Gradient-Free Variational Quantum Algorithms in Circuit Optimization
Aalto University（阿尔托大学）；University of Jyväskylä（于韦斯屈莱大学）
本文提出无需门冻结的梯度自由优化方法，通过重新分配优化资源提升Rotosolve、Fraxis和FQS等优化器性能，增强PQC优化的鲁棒性和效率。
2026-04-10 quant-ph
Crossing The Gap Using Variational Quantum Eigensolver: A Comparative Study
本文比较 VQD 与 SSVQE 计算 LiH 低激发态的表现，并提出结合 FS-VQE 的 FS-VQD 与 FS-SSVQE 以探索 H₄ 高激发态。
2024-06-15 quant-ph
Variational Quantum Linear Solver for Simulating Quantum Transport in Nanoscale Semiconductor Devices
本研究提出将变分量子线性求解器应用于纳米半导体器件量子输运模拟，通过新代价函数和高效分解方法处理复数非对称系统，实现随网格大小对数扩展的量子计算优势。
2025-09-06 quant-ph
SantaQlaus: A resource-efficient method to leverage quantum shot-noise for optimization of variational quantum algorithms
提出SantaQlaus算法，利用量子散粒噪声并动态调整测量次数，在退火框架中优化变分量子算法，有效降低局部最优风险并保持资源效率。
2023-12-25 quant-ph
An Empirical Review of Optimization Techniques for Quantum Variational Circuits
Rensselaer Polytechnic Institute（伦斯勒理工学院）；Department of Computer Science（计算机科学系）；Troy NY, USA（美国纽约州特洛伊市（此处仅为地址信息，根据提取规则应忽略，正确仅保留大学））
量子变分电路（QVC）通常被认为是近期和长期量子硬件最有效的用途之一。优化这些电路的标准方法依赖于经典系统来计算每个优化步骤的新参数。然而，这个过程可能极具挑战性，因为导航的性质是指数缩放的复杂希尔伯特空间，贫瘠的高原，以及所有可预见的量子硬件中存在的噪声。虽然在实践中采用了各种优化算法，但这种选择往往缺乏理论或经验动机。为此，我们经验性地评估了许多常见的梯度和梯度自由优化器在各种优化任务上的潜力。这些任务包括基于经典和量子数据的优化例程。我们的评估是在无噪声和噪声模拟中进行的。大量的问题和优化评估产生强有力的经验指导选择优化QVC，目前缺乏。
2022-02-09 cs.LG quant-ph
A generalized variational quantum linear solver on photonic platform
Quantum Science Center of Guangdong-Hong Kong-Macao Greater Bay Area（粤港澳大湾区量子科学中心）；Beijing QBoson Quantum Technology Co., Ltd.（北京本源量子计算科技有限公司）
基于光子计算平台，通过求解不同领域的线性方程组验证广义变分量子线性求解器。在复数域引入扰动项处理病态问题，在有限域F2重新设计代价函数扩展VQLS，为其实际应用提供实验基础和方法指导。
2026-07-17 quant-ph
A Semantic Framework for Reproducible Variational Quantum Algorithm Execution Records
Gran Sasso Science Institute（格兰萨索科学研究所）；University of L’Aquila（拉奎拉大学）
研究变分量子算法执行结果依赖众多交互选择致难以重现等问题，提出本体支持框架，用OWL本体建模相关实体，结合SHACL约束和SPARQL查询，以支持可重现量子软件实验。
2026-07-07 quant-ph
On the natural gradient for variational quantum eigensolver
变分量子本征求解器是一种由量子态驱动和经典参数优化相结合的混合算法，用于求解给定哈密顿量的基态。自然梯度法是一种考虑参数空间几何结构的优化方法。最近，Stokes等人发展了将自然梯度用于变分量子本征求解器的一般方法。本文给出了这种优化方法的一些简单的实例，详细地说明了自然梯度优化器是如何利用几何性质来改变和改进普通梯度法的。
2019-09-11 quant-ph
Practical Quantum Search by Variational Quantum Eigensolver on Noisy Intermediate-scale Quantum Hardware
针对Grover搜索在NISQ硬件上因迭代深致噪声累积的问题，提出用经典优化器更新代替量子迭代的混合架构，通过最小化oracle哈密顿量期望值优化浅层参数化电路，在大于5比特时仍保持高成功概率。
2023-04-10 quant-ph
Compact Molecular Simulation on Quantum Computers via Combinatorial Mapping and Variational State Preparation
费米哈密顿算符的紧凑表示对于在缺乏纠错的量子计算机上执行计算是必要的。一个费米子系统通常被定义在一个固定粒子数和自旋的子空间内，而不必要的状态被投影到希尔伯特空间之外。我们提供了一个使用组合排序的双射映射，将费米子基态双射映射到量子位基态，并以标准自旋表示来表达运算符。然后，我们使用变分量子本征求解器（VQE）与么正耦合团簇单激发和双激发（UCCSD）在紧凑表示的ananterior评估紧凑映射。当轨道填充远离一半时，紧凑性是有益的，并且我们在30自旋轨道$H_{2}$计算中仅使用8个量子比特。我们发现，在实践中，需要准备的紧凑的波函数的门深度是不是比全配置空间大得多。一个值得注意的观察是，与完整模拟相比，紧凑模拟所需的优化器调用数量。我们发现，在所有情况下，紧凑的表示收敛速度比使用ADAM优化器的完整表示。我们的分析证明了紧映射在实际中的作用。
2022-05-24 quant-ph
Estimating the gradient and higher-order derivatives on quantum hardware
对于一个大类的变分量子线路，我们显示了如何任意阶导数可以分析评估在简单的参数移位规则，即，通过以不同的参数偏移运行相同的电路。作为特殊情况下，我们得到的期望值的海森和变分状态的度量张量，这两者都可以有效地用于分析实现二阶优化算法的量子计算机上的参数移位规则。我们还考虑统计噪声的影响，通过研究不同的导数估计的均方误差。在这项工作的第二部分，一些用于评估量子导数的理论技术被应用于它们的典型用例：量子优化器的实现。我们发现，不同的估计器和优化器的性能与不同的超参数的值交织在一起，例如步长或拍摄次数。我们的研究结果支持几个数值和硬件实验，包括一个简单的变分电路和牛顿优化器的实现的海森的实验估计。
2021-02-26 quant-ph
Distributed Variational Quantum Eigensolver: Embarrassingly Parallel strategies on NISQ
Galicia Supercomputing Center (CESGA)（加利西亚超级计算中心）；Departamento de Física de Partículas Universidade de Santiago de Compostela（圣地亚哥-德孔波斯特拉大学粒子物理系）
针对NISQ设备中异构噪声影响变分量子特征求解器并行化效果的问题，提出三种易并行策略并通过CUNQA平台仿真评估其加速比与精度表现。
2026-08-21 quant-ph
Variational Quantum Linear Solver
提出混合量子-经典算法VQLS在近期量子计算机上求解线性系统，推导出保证精度的终止条件，并在实际和数值实验中验证了其高效性。
2023-11-21 quant-ph
Evaluating the impact of noise on the performance of the Variational Quantum Eigensolver
量子计算机预计将非常有利于化学模拟，有望在准确性和速度方面取得显着进步。在NISQ设备上进行化学模拟的最突出的算法是变分量子本征求解器（VQE）。它是一种量子-经典混合算法，基于参数化的量子线路计算哈密顿量的基态能量，同时使用经典优化器寻找最优参数值。然而，量子硬件会受到噪声的影响，需要了解它会在多大程度上降低VQE算法的性能。本文以氢分子为例研究了噪声的影响。首先，我们比较了一组不同的优化器的VQE性能，从中我们发现NFT是最合适的一个。接下来，我们通过系统地增加它们的强度来量化不同噪声源的影响。噪声强度围绕IBM Q超导器件的共同值变化，并且曲线拟合用于模拟所获得的能量值与噪声幅度之间的关系。由于电路中的噪声量在很大程度上取决于其架构，我们对不同的ansatzes进行了研究，包括硬件效率和化学启发的。
2022-09-26 quant-ph
An Empirical Analysis on the Effectiveness of the Variational Quantum Linear Solver
本文实证评估 VQLS 在更大、更一般线性系统及流体动力学问题中的表现，指出其在 ansatz 表达能力、电路执行次数和门数量方面的关键挑战。
2024-09-10 quant-ph
Multiclass Portfolio Optimization via Variational Quantum Eigensolver with Dicke State Ansatz
Instituto de Ciência e Tecnologia Itaú（伊塔乌科学与技术研究所）
本文提出一种基于变分量子特征求解器和Dicke态的多类投资组合优化框架，通过引入多个参数化Dicke态来显式纳入分散化约束，提升收敛速度和求解精度。
2025-11-06 quant-ph
Variational Quantum Eigensolver: A Comparative Analysis of Classical and Quantum Optimizer Methods
National Tsing Hua University（国立清华大学）；University of Science, Vietnam National University（越南国立大学科学大学）；Forschungszentrum Jülich（于利希研究中心）；Phenikaa University（Phenikaa 大学）
以伊辛模型为测试平台研究变分量子本征求解器，深入探讨经典和量子优化器，分析其优势。提出新组合优化方案QN-SPSA+PSR，结合两种方法优点，提升优化子例程性能，还研究量子电路结构适配性。
2026-07-07 physics.comp-ph quant-ph
SSR: A Swapping-Sweeping-and-Rewriting Optimizer for Quantum Circuit Transformation
College of Artificial Intelligence, Nanjing Tech University（南京工业大学人工智能学院）；Centre for Quantum Software and Information (QSI), Faculty of Engineering and Information Technology, University of Technology Sydney（悉尼科技大学工程与信息科技学院量子软件与信息中心）；Arclight Quantum Computing Inc.（弧光量子计算有限公司）；College of Information Engineering, Taizhou University（台州学院信息工程学院）；School of Artificial Intelligence and Computer Science, Shaanxi Normal University（陕西师范大学人工智能与计算机科学学院）
提出一种交换-扫描-重写优化器，通过遗传算法重排电路、扫描提取CNOT子电路并用SAT求解器重写为深度最优电路，平均降低QCT电路深度12.18%。
2026-06-23 quant-ph
Building an iterative heuristic solver for a quantum annealer
量子退火机在理论上最小化二次无约束二进制优化（QUBO）问题，但在它可以处理的问题的大小和密度方面受到物理硬件的限制。我们开发了一个元启发式求解器，它利用D-Wave Systems的量子退火器（或任何其他QUBO问题优化器）通过迭代求解子问题来解决更大或更密集的问题，同时保持其余变量不变。我们提出了我们的算法，几个变种，和优化的标准QUBO问题的实例，从OR库的大小为500和2500，以及大小为3000至7000的Palubeckis实例的结果。对于实际使用的求解器，我们显示的时间依赖于最佳的解决方案所需的差距，以最好的解决方案。此外，我们研究的差距和时间的依赖关系，以最佳解决方案的大小的问题解决的基础优化。
2015-08-28 cs.DM cs.ET math.OC
QAOA Performance in Noisy Devices: The Effect of Classical Optimizers and Ansatz Depth
本文研究噪声环境下经典优化器与拟设深度对QAOA性能的影响，发现散粒噪声下Adam、AMSGrad表现最优，真实噪声下SPSA、ADAM、AMSGrad表现最佳，5量子比特最小顶点覆盖问题的解质量在约6层时达峰值，表明噪声设备中盲目增加层数无法提升精度。
2024-07-11 quant-ph
Reducing measurement costs by recycling the Hessian in adaptive variational quantum algorithms
本文提出一种针对自适应变分量子算法的改进拟牛顿优化协议，通过跨迭代回收逆 Hessian 矩阵近似实现超线性收敛，显著降低了量子硬件的测量成本与经典模拟运行时间。
2024-11-18 quant-ph
Quantum Natural Gradient optimizer on noisy platforms: QAOA as a case study
本研究以QAOA寻找TFIM基态为例，在里德堡原子和超导电路平台上对比QNG与普通梯度下降优化器在有无噪声下的性能，发现QNG收敛更快、鲁棒性更强且能避免局部最小值，为NISQ设备变分算法优化提供有效工具。
2025-08-25 quant-ph
Comprehensive Library of Variational LSE Solvers
Fraunhofer Institute for Integrated Circuits IIS（弗劳恩霍夫集成电路研究所）
针对变分线性方程组求解器理论丰富但实现零散的问题，研究团队开发了variational-lse-solver框架，复现文献现有方法并加入改进，提供友好界面助力端到端量子应用研究。
2024-08-02 cs.LG cs.SE quant-ph
