The quantum approximate optimization algorithm (QAOA) has proved to be an effective classical-quantum algorithm serving multiple purposes, from solving combinatorial optimization problems to finding the ground state of many-body quantum systems. Since QAOA is an ansatz-dependent algorithm, there is always a need to design ansatz for better optimization. To this end, we propose a digitized version of QAOA enhanced via the use of shortcuts to adiabaticity. Specifically, we use a counterdiabatic (CD) driving term to design a better ansatz, along with the Hamiltonian and mixing terms, enhancing the global performance. We apply our digitized-counterdiabatic QAOA to Ising models, classical optimization problems, and the P-spin model, demonstrating that it outperforms standard QAOA in all cases we study.
Kipu Quantum GmbH（基普量子有限公司）；University of the Basque Country EHU（巴斯克大学）；University of Luxembourg（卢森堡大学）；Donostia International Physics Center（圣塞巴斯蒂安国际物理中心）
Nonadiabatic Self-Healing of Trotter Errors in Digitized Counterdiabatic Dynamics
Università degli Studi di Napoli “Federico II”（那不勒斯费德里科二世大学）；Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所（西班牙国家研究委员会））；University of the Basque Country UPV/EHU（巴斯克地区大学）
Symmetry-enhanced Counterdiabatic Quantum Algorithm for Qudits
CNR-INO（意大利国家研究委员会光学研究所）；Universita di Trento（特伦托大学）；INFN-TIFPA（意大利国家核物理研究所基础物理与应用研究所）；TECNALIA（科技联盟）；University of the Basque Country UPV/EHU（巴斯克地区大学）；Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所）；IKERBASQUE（伊克尔巴斯科奎）；Basque Center for Applied Mathematics BCAM（巴斯克应用数学中心）
Protein folding on a 64 qubit trapped-ion hardware via counterdiabatic quantum optimization
Kipu Quantum GmbH（Kipu Quantum有限公司）；University of the Basque Country EHU（巴斯克大学）；Instituto de Ciencia de Materiales de Madrid (ICMM-CSIC)（马德里材料科学研究所）；Universidad Autónoma de Madrid（马德里自治大学）；University of Valencia（瓦伦西亚大学）；IonQ Inc.（IonQ公司）
Counterdiabatic driving in the quantum annealing of the $p$-spin model: a variational approach
原则上，找到精确的反绝热势是特别困难的。本文根据近年来反绝热算符变分方法的研究进展，将这种方法应用于$p$ -自旋模型的量子退火。特别是，对于$ p = 3 $，我们发现了一种新形式的反绝热潜力起源于一个循环的antennas，使我们能够有最佳的保真度，即使是非常短的动态，独立的系统的大小。我们比较了我们的结果与最近提出的一个嵌套的交换子模型。克莱斯，M.潘迪，D。Sels和A. Polkovnikov，Phys. Rev. Lett. 123，090602（2019），用于$ p = 1 $和$ p = 3 $。我们还分析了广义$ p $ -自旋模型，以进一步了解我们的答案。
Quantum coherence and counterdiabatic quantum computing
Facultad de Ciencias, Universidad Nacional Autónoma de México (UNAM)（墨西哥国立自治大学）；Departamento de Física, Universidad de Santiago de Chile (USACH)（智利圣地亚哥大学）；Kipu Quantum（Kipu量子）；Universidad Diego Portales（迭戈·波特莱斯大学）
Weighted Nested Commutators for Scalable Counterdiabatic State Preparation
Instituto de Ciencia de Materiales de Madrid ICMM-CSIC（马德里材料科学研究所）；Departamento de Física Teórica de la Materia Condensada, Universidad Autónoma de Madrid（马德里自治大学凝聚态物理理论系）；Joint Quantum Institute and Joint Center for Quantum Information and Computer Science, NIST/University of Maryland（马里兰大学/美国国家标准与技术研究院联合量子研究所和联合量子信息与计算科学中心）
Regularized Counterdiabatic Driving for the Quantum Rabi Model
TECNALIA, Basque Research and Technology Alliance (BRTA)（特克拉利亚，巴斯克研究与技术联盟）；University of the Basque Country UPV/EHU（巴斯克大学）；Forschungszentrum Jülich（于利希研究中心）；CSIC（西班牙国家研究委员会）；Instituto de Ciencia de Materiales de Madrid (ICMM), CSIC（马德里材料科学研究所）
Large-scale portfolio optimization on a trapped-ion quantum computer
Kipu Quantum GmbH（基普量子有限公司）；Department of Physical Chemistry, University of the Basque Country EHU（巴斯克大学物理化学系）；TUM School of Management, Technische Universität München（慕尼黑工业大学管理学院）；Instituto de Ciencia de Materiales de Madrid (CSIC)（马德里材料科学研究所（西班牙国家研究委员会））；Departamento de Física Teórica de la Materia Condensada, Universidad Autónoma de Madrid（马德里自治大学凝聚态物质理论物理系）；IDAL, Electronic Engineering Department, ETSE-UV, University of Valencia（瓦伦西亚大学电子工程学院IDAL）；IonQ Inc.（IonQ公司）；IonQ Italia（IonQ意大利分公司）
Shortcuts to Quantum Approximate Optimization Algorithm
量子近似优化算法（QAOA）是一种量子-经典混合算法，旨在寻找目标哈密顿量的基态。理论上，只要量子线路足够深，QAOA就可以得到近似解。实际上，如果量子线路较深，QAOA的性能实际上会降低，因为近期器件不是无噪声的，并且噪声引起的误差随着量子线路的增加而积累。为了减小量子线路的深度，我们提出了一种新的量子线路简化方案，称为“QAOA的捷径”（Shortcuts to QAOA，S-QAOA），S-QAOA通过引入更多的两体相互作用和释放参数自由度，提供了到达目标哈密顿量基态的捷径.具体地说，除了QAOA方法中已有的ZZ相互作用外，S-QAOA方法中还引入了其它两体相互作用，从而可以用较小的电路深度得到近似解。考虑MaxCut问题和Sherrington-Kirkpatrick（SK）模型，数值计算表明YY交互作用具有最佳性能。其原因可能是YY相互作用产生的反绝热效应。最重要的是，我们释放的自由度的参数的两体相互作用，这是一个先验不一定是完全相同的，数值结果表明，这是值得付出额外的成本，有更多的参数自由度，因为一个有更大的改善成功率。
