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
The Snake Optimizer for Learning Quantum Processor Control Parameters
高性能量子计算需要比系统漂移快得多地学习最优控制参数的校准系统。在某些情况下，学习过程需要解决复杂的优化问题，这些问题是非凸的，高维的，高度约束的，并且具有天文搜索空间。这样的问题对可扩展性造成了障碍，因为传统的全局优化器通常对于包括数十个量子位的小规模处理器来说效率太低并且速度太慢。在本白皮书中，我们介绍了Snake Optimizer，通过利用人工智能、动态规划和图优化中的概念，高效快速地解决此类优化问题。在实践中，Snake已被应用于优化频率，在频率可调超导量子比特中实现量子逻辑门。该应用程序在53量子位量子处理器上实现了最先进的系统性能，是展示量子霸权的关键组成部分。此外，Snake Optimizer可以随着量子比特数的增加而顺利扩展，并且可以进行局部重新优化和并行化，这表明它有望优化更大的量子处理器。
2020-06-08 quant-ph
An Adaptive Optimizer for Measurement-Frugal Variational Algorithms
变分混合量子-经典算法（VHQCA）在近期的量子计算时代具有潜在的应用价值。然而，最近有关于VHQCA收敛所需的测量数量的关注。在这里，我们解决这个问题，通过研究经典的优化器在VHQCA。我们介绍了一种新的优化称为个人耦合自适应射击数（iCANS）。该自适应优化器节俭地选择测量的数量（即，射击次数），对于给定的迭代和对于随机梯度下降中的给定偏导数。我们数值模拟的性能iCANS的变分量子本征求解器和变分量子编译，有和没有噪音。在所有情况下，特别是在有噪声的情况下，iCANS往往优于VHQCA的最先进的优化器。因此，我们相信这种自适应优化器将是有用的现实VHQCA的实施，测量的数量是有限的。
2020-05-06 quant-ph
Benchmarking Optimizers for Qumode State Preparation with Variational Quantum Algorithms
本文针对 qumode 态制备，对变分量子算法中的多种优化器进行多场景基准测试，发现 Powell 抗采样误差能力强，SPSA 在高维参数下更高效。
2024-05-07 quant-ph
A Comparison of Various Classical Optimizers for a Variational Quantum Linear Solver
变分混合量子经典算法（VHQCA）是一类旨在运行在有噪声的中间尺度量子（NISQ）设备上的量子算法。这些算法采用了一个参数化的量子线路（analog）和量子经典反馈回路。经典设备用于优化参数，以便最小化可以在量子设备上更有效地计算的成本函数。构造成本函数，使得找到使其值最小化的参数，解决了一些感兴趣的问题。我们专注于变分量子线性求解器（VQLS），并检查几个梯度的经典优化器的性能的影响。我们专注于研究的经典优化的平均收敛速度，以及他们的平均终止成本值的分布，以及这些是如何受到噪声的影响。我们的工作表明，NISQ器件上的实际噪声水平对优化过程提出了挑战。所有经典的优化器似乎都受到现实噪声的负面影响。如果噪声水平得到显著改善，那么将来可能有很好的理由更喜欢基于梯度的方法，它比仅存在散粒噪声的无梯度方法表现得更好。无梯度优化器，同时扰动随机近似（SPSA）和鲍威尔的方法，和基于梯度的优化器，AMSGrad和BFGS在噪声模拟中表现最好，并且似乎比其他方法受噪声的影响更小。SPSA似乎是性能最好的方法。COBYLA、Nelder-Mead和共轭梯度方法似乎受噪声影响最大，即使是轻微的噪声水平也会显著影响其性能。
2021-06-16 quant-ph
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
L2O-$g^{\dagger}$: Learning to Optimize Parameterized Quantum Circuits with Fubini-Study Metric Tensor
提出L2O-$g^{\dagger}$，一种结合Fubini-Study度量张量与长短期记忆网络的量子感知学习优化器，通过融入量子几何特性平衡收敛与泛化，无需超参数调优即超越SOTA并展现强分布外泛化能力。
2024-07-24 quant-ph
A Verified Optimizer for Quantum Circuits
我们提出了VOQC，第一个完全验证的量子电路优化器，使用Coq证明助手编写。量子电路用一种称为SQIR的简单低级语言表示为程序，SQIR是一种简单的量子中间表示，深深嵌入Coq中。优化和其他转换表示为Coq函数，这是正确的SQIR程序的语义。SQIR使用复数矩阵的语义，这是量子计算的标准，但为了推理使用任意数量量子位的程序，它象征性地处理矩阵。SQIR的精心设计和我们提供的自动化使得在VOQC中编写和验证广泛的优化成为可能，包括来自尖端优化器的全电路转换。
2020-11-13 cs.ET cs.LO cs.PL
On quantum Gaussian optimizers conjecture in the case q=p
量子高斯优化器猜想说，玻色高斯信道的q-p范数是在“高斯”算子上获得的。最近，R。弗兰克和E.H. Lieb在q=p的情况下证实了具有任意数量模式s的规范协变信道的假设[3]。在本说明中，我们注意到，在q=p的情况下，我们在[6]和[9]中的结果实际上允许证明所有高斯信道的假设。因此，规范协方差的条件在q=1，s>1的情况下相当重要，但在q= p的情况下不起作用。
2017-07-07 math-ph math.MP 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
Avoiding local minima in variational quantum eigensolvers with the natural gradient optimizer
我们比较了BFGS优化器，ADAM和自然梯度下降（NatGrad）的上下文中的变分量子本征求解器（VQE）。我们系统地分析了它们在横向场伊辛模型（Tensor）的QAOA模型上的性能，以及在具有破坏哈密顿对称性能力的过参数化电路上的性能。BFGS算法通常无法找到超过约20个自旋的系统的全局最小值，并且ADAM很容易陷入局部最小值。另一方面，NatGrad在所有考虑的系统规模上都表现出稳定的性能，尽管每个时期的成本要高得多。与大多数经典的基于梯度的学习形成鲜明对比的是，所有优化器的性能都被发现在看似良性的过度参数化的animator类时会下降，BFGS和ADAM比NatGrad更经常和更严重地失败。海森堡XXZ模型的额外测试证实了BFGS在高维中的准确性问题，但它们也揭示了NatGrad的一些缺点。我们的研究结果表明，在选择基于梯度的优化器和VQE的参数化时需要非常小心。
2020-05-19 quant-ph
Quarl: A Learning-Based Quantum Circuit Optimizer
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）；Microsoft（微软）；VMware Research（威睿研究）
针对量子电路优化搜索空间大、强化学习应用存在动作空间与状态表示难题，该研究提出基于学习的Quarl优化器，通过分解动作空间的图神经网络架构与RL训练实现优化，性能优于现有方案且可自主实现旋转合并。
2023-07-17 cs.LG quant-ph
Synthesizing Quantum-Circuit Optimizers
本文提出QUESO，一种自动合成量子电路优化器的方法，能在1.2分钟内为IBM设备生成优化器，在85%的基准电路上优于Qiskit和TKET，通过代数重写规则、概率验证和束搜索实现高效优化。
2023-05-10 cs.PL quant-ph
Gaussian optimizers for entropic inequalities in quantum information
本文综述了量子信息理论中量子高斯优化结构的证明方法。这些基本原理表明，量子高斯输入态是涉及量子高斯信道的几个优化问题的解决方案。这些问题是泛函分析和概率的三个基本结果的量子对应：熵幂不等式，卷积的夏普杨氏不等式，以及定理“高斯核只有高斯最大化器。“量子高斯信道在量子通信理论中发挥着关键作用：它们是高斯积分核的量子对应物，并为量子机制中电磁波的传播提供了数学模型。为了确定光纤和自由空间上的最大通信速率，需要量子高斯优化器。量子限制高斯衰减器对Fock基对角输入态的限制与稀疏一致，这是对正整数随机变量重新标度的模拟。量子高斯通道则提供了泛函分析和离散概率之间的桥梁。
2018-08-21 cs.IT math-ph math.FA
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
Optimizer-Dependent Generalization Bound for Quantum Neural Networks
本文从算法稳定性角度研究量子神经网络的泛化性质，建立与量子梳的联系，提出由可训练参数、数据上传次数、数据集维度和优化器超参数决定的泛化误差界，并通过数值实验验证。
2025-01-27 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
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
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
RFOX (Rotated-Field Oscillatory eXchange) quantum algorithm: Towards Parameter-Free Quantum Optimizers
Centro de Investigación en Computación, Instituto Politécnico Nacional（国家理工学院计算研究中心）；Centro de Tecnologías en Cómputo y Comunicación, FESC - Universidad Nacional Autónoma de México（墨西哥国立自治大学FESC计算与通信技术研究中心）；Research Center for Quantum Physics, Huzhou University（湖州大学量子物理研究中心）
本文提出了一种无参数量子算法RFOX，结合几乎恒定的非stoquastic XX催化剂和弱谐振ZX反 diagonal项，通过Floquet-Magnus展开推导出有效哈密顿量，产生局部Y场、场调制的二体项和多局部三体拓扑相互作用，从而实现几乎平坦的瞬时能隙，避免传统驱动方案中常见的不可预测的能隙坍缩。
2026-05-19 math.OC quant-ph
Resource frugal optimizer for quantum machine learning
Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室）；Leiden University（莱顿大学）；Universidad Autónoma de Madrid（马德里自治大学）；University of Warsaw（华沙大学）；Normal Computing Corporation（诺默尔计算公司）
针对变分量子机器学习训练采样开销高的问题，提出同时对数据集和测量算子随机采样的Refoqus优化器，可节省数个数量级的采样成本。
2023-07-28 cs.LG quant-ph stat.ML
QFactor: A Domain-Specific Optimizer for Quantum Circuit Instantiation
提出量子电路实例化优化算法QFactor，采用张量网络与迭代局部优化减少参数，支持CPU/GPU并行化，相比通用优化器实现指数级内存与性能提升，可处理超过12量子比特电路，并在BQSKit框架中支持100+量子比特电路的线性扩展优化。
2023-07-31 quant-ph
On Post-Processing the Results of Quantum Optimizers
将量子计算用于涉及优化的应用已被认为是它可能被证明是有利的领域之一（相对于经典计算）。为了进一步提高解的质量，后处理技术经常被用于量子优化的结果。一种这样的最近的方法是Dorband的多量子比特校正（MQC）算法。在本文中，我们将讨论和分析这种技术的优点和缺点。然后根据我们的讨论，我们进行了一个实验，研究MQC输入端的配对算法如何影响量子优化器的结果，并比较了MQC和D-wave Systems提供的内置优化方法。在我们的结果中，我们能够表明，内置的后处理很少在我们的测试中击败MQC。我们希望，通过使用本文中提出的想法和见解，研究人员和开发人员将能够就使用何种后处理方法来满足其量子优化需求做出更明智的决定。
2019-06-15 cs.ET quant-ph
An Empirical Comparison of Optimizers for Quantum Machine Learning with SPSA-based Gradients
Fraunhofer IIS, Fraunhofer Institute for Integrated Circuits IIS（弗劳恩霍夫集成电路研究所 IIS）
针对VQC参数移位梯度采样开销大的问题，本文将SPSA近似梯度接入先进基于梯度的经典优化器，并在回归任务中验证其收敛、误差及抗噪优势。
2023-04-27 cs.LG quant-ph
Robust quantum optimizer with full connectivity
量子现象有可能加速解决困难的优化问题。例如，基于量子隧穿效应的量子退火，最近已经被证明与经典模拟退火相比，随着系统尺寸的增加而指数地更好地缩放。然而，目前实现具有超导量子比特的量子退火器面临两个主要挑战。首先，量子位之间的连接是有限的，从直接实现中排除了许多优化问题。其次，退相干降低了优化的成功概率。我们解决了这两个缺点，并提出了一个架构，其中的量子位是鲁棒编码在连续可变的自由度。值得注意的是，通过利用通量量化的现象，在没有开销的情况下获得了所有到所有的连接。此外，我们证明了这种架构的鲁棒性，通过模拟一个小的NP-难和完全连接的数划分问题的耗散的存在下的最佳解决方案。
2016-09-20 quant-ph
Optimizing Unitary Coupled Cluster Wave Functions on Quantum Hardware: Error Bound and Resource-Efficient Optimizer
Eviden Quantum Lab（Eviden量子实验室）；Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子技术中心）；École Polytechnique, I.P. Paris（巴黎理工学院高等师范学校）；MajuLab, CNRS–UCA-SU-NUS-NTU International Joint Research Laboratory（MajuLab，CNRS-南法大学-苏黎世联邦理工学院-新加坡国立大学-南洋理工大学国际联合研究实验室）
本文提出了一种新的基于残差的优化器，用于在量子硬件上更高效地优化宇称耦合簇波函数，并在多个分子解离曲线中表现出色。
2025-08-14 quant-ph
DYNAMO: Dynamic Neutral Atom Multi-programming Optimizer Towards Quantum Operating Systems
DYNAMO通过并行编译和跨QPU智能资源分配在中性原子量子架构上实现多程序，解决了资源划分和调度冲突问题，编译加速高达14.39倍，执行阶段平均减少50.47%，为实用量子操作系统奠定基础。
2025-07-07 cs.ET quant-ph
QIBONN: A Quantum-Inspired Bilevel Optimizer for Neural Networks on Tabular Classification
University of South Florida（佛罗里达州立大学）；Fordham University（福坦布卢克斯大学）
针对表格数据神经网络超参数优化的挑战，提出量子启发式双层优化器QIBONN，统一编码特征选择等超参数，结合量子启发式旋转与随机突变平衡探索利用，在噪声下实验显示其与现有方法具竞争力。
2025-11-12 cs.LG quant-ph
Gaussian optimizers and the additivity problem in quantum information theory
本文综述了量子信息理论中两个引人注目的分析问题。主要部分是一个详细的报告，最近（部分）解决量子高斯优化问题，建立了一个最佳性能的Glauber相干态-一个特殊的例子，纯量子高斯态。我们阐述了量子高斯信道的概念作为高斯核的非交换推广，表明相干态，并在一定条件下，只有他们，最小化一个高斯信道的输出的凹泛函的广泛的类。因此，对应于高斯输入的输出状态是“最不混乱的”，优化了所有其他输出。然而，该解决方案基本上限于规范不变的情况下，一个杰出的复杂的结构起着特殊的作用。我们还评论了相关的著名的可加性猜想，这是解决了原则上在否定的一些五年前。这是指与量子信道的经典容量相关的信息量的可加性或可乘性（相对于信道的张量积），例如$(1\rightarrow p)$ -范数或最小冯诺依曼或雷尼输出熵。一个显着的推论，目前的解决方案的量子高斯优化问题的是，这些加性属性，而不是有效的一般情况下，在重要的和有趣的类规范协变高斯通道。
2015-03-13 math-ph math.MP quant-ph
Introducing the Kernel Descent Optimizer for Variational Quantum Algorithms
Bundesdruckerei GmbH（德国联邦印刷公司）
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
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
The Optimization Landscape of Hybrid Quantum-Classical Algorithms: from Quantum Control to NISQ Applications
本文综述了许多快速发展的量子技术中流行的混合量子经典优化算法的景观，其中目标函数由自然量子系统或工程量子模拟计算，但优化器是经典的。在任何特定情况下，基本控制景观的性质对于目标的系统优化至关重要。在少体动力学最优控制的早期研究中，优化器可以完全控制希尔伯特空间维数相对较小的量子系统。随着噪声中尺度量子（NISQ）时代的到来，量子硬件的模拟器在实验上不断增长的计算能力可能带来优于经典计算机的量子优势，但经典优化器往往受到可用控制资源的限制。在这些不同的尺度上，我们将表明，景观的几何形状经历形态的变化，从有利的无陷阱的景观，容易陷入崎岖的景观，并最终贫瘠的高原景观上的优化器几乎不能移动。这种统一的观点提供了理解系统类别的基础，这些系统可以很容易地控制到那些有特殊考虑的系统，包括NISQ技术的困难和潜在优势，以及寻求在特定情况下逃离陷阱或高原的可能方法。
2022-04-09 quant-ph
Optimizing the Optimizer: Decomposition Techniques for Quantum Annealing
尽管近年来，在工业和政府兴趣日益浓厚的推动下，量子计算硬件取得了显着发展，但当前一代量子计算机的尺寸限制仍然是将这些设备应用于相关现实世界问题时的障碍。为了有效地利用量子计算的潜在益处，需要结合经典和量子计算技术的异构方法。在这项工作中，我们探索了多种异构方法来解决多个行业相关的基准问题，以了解如何最好地利用量子计算机。我们的结果表明：求解器性能高度依赖于结构（大小和边缘密度）的问题图;重用一个单一的固定问题嵌入，而不是动态搜索问题嵌入，是避免计算瓶颈的关键;更好的质量的解决方案是由算法产生的，迭代传播的影响，解决一个单独的子问题，其余的更大的问题;并且Qbsolv算法（其实现了上述技术）在以及时的方式对各种理论和现实世界问题产生高质量的解决方案方面是最先进的，这些问题太大而不能直接嵌入到量子退火设备上。
2020-01-16 quant-ph
On Physics-Informed Neural Networks for Quantum Computers
物理信息神经网络（PINN）成为解决科学计算问题的强大工具，从偏微分方程的求解到数据同化任务。使用PINN的优势之一是利用机器学习计算框架的使用，该框架依赖于CPU和协处理器（如加速器）的组合使用，以实现最大性能。这项工作研究了PINN的设计，实现和性能，使用量子处理单元（QPU）协处理器。我们设计了一个简单的量子PINN来解决一维泊松问题，使用连续变量（CV）量子计算框架。我们讨论了不同的优化器，PINN残差公式和量子神经网络深度对量子PINN精度的影响。我们表明，在量子PINN的情况下，优化器对训练环境的探索不如经典PINN有效，基本的随机梯度下降（SGD）优化器优于自适应和高阶优化器。最后，我们强调了量子和经典PINN之间的方法和算法的差异，并概述了量子PINN发展的未来研究挑战。
2022-10-17 cs.DC quant-ph
WSBD: Freezing-Based Optimizer for Quantum Neural Networks
Florida International University（佛罗里达国际大学）；Rice University（Rice大学）
WSBD 是一种基于冻结的量子神经网络优化器，通过动态参数冻结策略提升训练效率，比 Adam 快 63.9% 收敛。
2026-02-11 cs.LG quant-ph
Quadratic constrained mixed discrete optimization with an adiabatic quantum optimizer
我们扩展了可以在绝热量子优化器（AGO）上实现的问题的家族。当一个二次优化问题至少有一组离散控制且约束是线性的时，我们称之为二次约束混合离散优化问题。QCMDO问题是NP难问题，目前还没有有效的经典算法。包括在类QCMDO问题是由线性偏微分方程（PDE）或线性PDE系统约束的组合优化问题。在解决这类问题时经常遇到的一个基本复杂性是，线性约束可能会将许多中间连续变量引入优化，而计算成本随问题大小呈指数增长。我们解决了这个困难，开发一个建设性的映射从QCMDO二次无约束二进制优化（QUBO），使QUBO问题的大小只取决于离散控制变量的数量。通过适当的嵌入，考虑到可实现的耦合图的物理约束，所得到的QUBO问题可以在现有的AQO上实现。映射本身是有效的，在一般情况下与连续变量的数量成立方缩放，并且如果有效的预条件子可用，则在PDE情况下线性缩放。
2014-03-20 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
QALM: Escaping Local Minima via Interleaved Exploration and Exploitation in Quantum Circuit Optimization
Carnegie Mellon University（卡内基梅隆大学）
提出混合框架QALM，交错搜索算法的穷举探索能力与基于规则的优化效率，在不增加运行时间的情况下逃离局部最小值，在248个电路上匹配或超越最强基线的保真度。
2026-06-16 quant-ph
Multimode Gaussian optimizers for the Wehrl entropy and quantum Gaussian channels
在多模情形下，我们证明了Wehrl熵和冯诺伊曼熵之间的一个基本关系，即在给定冯诺伊曼熵的所有量子态中，最小Wehrl熵是由热高斯态实现的.我们还证明了在给定熵的情况下，在某一乘积基对角的所有输入态中，热高斯输入态使多模量子高斯衰减器、放大器和相位逆变信道的输出冯诺伊曼熵最小.这一结果构成了一个重要的一步，证明了相同的属性为通用的输入状态，这仍然是一个开放的猜想。这个猜想是必要的，以确定三重权衡编码和广播通信与高斯量子限制衰减器的最大通信速率。最后，我们证明了n个相同的几何输入概率分布的张量积在给定熵的所有输入概率分布中最小化n-模式细化的输出Shannon熵。
2017-05-01 math-ph math.MP math.PR
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
The Role of Entanglement in Quantum-Relaxation Based Optimization Algorithms
本研究探讨了量子纠缠在基于量子松弛的优化算法（QRAO）中的作用，发现量子性虽不总能提升性能，但在部分实例中能帮助找到最优解，表明QRAO不仅能扩展可解问题规模，还能从纠缠中获益。
2023-04-09 quant-ph
Benchmarking VQE Configurations: Architectures, Initializations, and Optimizers for Silicon Ground State Energy
eBRAIN Lab, Division of Engineering, New York University Abu Dhabi (NYUAD), Abu Dhabi, UAE（纽约大学阿布扎赫（NYUAD））；Center for Quantum and Topological Systems (CQTS), NYUAD Research Institute, NYUAD, Abu Dhabi, UAE（纽约大学阿布扎赫研究机构）
本研究系统基准测试了不同拟设与优化器组合的VQE在估算硅原子基态能量中的性能，发现参数初始化对稳定性至关重要，化学启发拟设结合自适应优化可显著提升收敛与精度。
2025-10-27 cs.LG quant-ph
Training A Quantum Optimizer
本文研究了量子近似优化算法[ E. Farhi，J. Goldstone，and S. Gutmann，arXiv：1411.4028]，参数化略有不同，目标也不同：我们的目标不是寻找近似解决优化问题的状态，而是找到一种量子算法，给定MAX-2-SAT的实例，将产生与最佳状态高度重叠的状态。使用机器学习方法，我们选择了一个“训练集”的实例，并优化了参数，以产生大的重叠的训练集。然后，我们在更大的实例集上测试了这些优化的参数。作为训练集，我们使用了E研究的硬实例的子集。Crosson，E.法尔希角林燕玉，H.- H. Lin和P. Shor（CFLLS）[arXiv：1401.7320]。当对完整集合进行测试时，我们发现的参数产生的重叠比CFLLS的优化退火时间大得多。对从$20$到$28$位的其他随机实例的测试继续显示出相对于退火的改进，其中改进在最难的实例上最显著。对MAX-3-SAT实例的进一步测试也显示了对最困难实例的改进。该算法可能是一个可能的应用程序，为近期量子计算机有限的相干时间。
2016-05-17 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
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
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
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
The Wehrl entropy has Gaussian optimizers
我们确定了在给定冯诺伊曼熵的量子态中的最小Wehrl熵，并证明了它是由热高斯态实现的。这一结果决定了冯·诺依曼熵和威尔熵之间的关系。其核心思想是证明与量子态Husimi Q表示相关联的量子经典信道渐近等价于具有无限放大参数的高斯量子限幅放大器。这种等价性还允许在单模和p=q的两种特殊情况下确定上述量子经典信道的p->q范数，并证明它们是由热高斯态实现的。相同的等价性允许证明单模被动态的Husimi Q表示（即Fock基中的状态对角线，其特征值随着能量的增加而减小）优化具有相同谱的任何其他单模状态的Husimi Q表示，即它最大化任何凸泛函。
2017-09-26 math-ph math.MP quant-ph
Computing Canonical Averages with Quantum and Classical Optimizers: Thermodynamic Reweighting for QUBO Models of Physical Systems
本文提出一种基于直方图重加权的通用方法，用于从量子或经典QUBO采样中恢复态密度并计算正则系综平均，并在晶格环聚合物熔体中揭示了环套环概率随弯曲刚度的非单调关系。
2025-05-06 cond-mat.soft 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
VQA for Dynamic Portfolio Optimization: Sampling Strategies, Optimizer Scheduling, and Hardware-Aware Ansatz Design
PINQ 2
研究变分量子算法在动态投资组合优化中的性能，提出自适应CVaR调度、两阶段优化器和两种硬件感知拟设布局，在150量子比特实例和ibm_quebec QPU上验证了采样策略、优化器调度和布局设计对性能的显著影响。
2026-06-08 cs.CE quant-ph
Towards Arbitrary QUBO Optimization: Analysis of Classical and Quantum-Activated Feedforward Neural Networks
Fakultät für Physik und Erdsystemwissenschaften, Universität Leipzig（莱比锡大学物理与地球科学系）；Data Cybernetics（数据认知科学）；Zentrum für Optische Quantentechnologien, Universität Hamburg（汉堡大学光学量子技术中心）
本文提出了一种基于前馈神经网络的QUBO优化器，并结合量子退火激活函数，实现了高效且高精度的QUBO问题求解。
2024-10-16 cs.LG quant-ph
Gaussian optimizers and other topics in quantum information
本论文的主要内容是证明量子高斯信道的两个基本熵不等式。量子高斯信道对电磁波在量子体系中通过光纤和自由空间的传播进行建模，并提供数学模型来确定用于通信和量子密钥分发的量子通信设备可实现的最大速率。本文证明的第一个不等式是量子熵幂不等式，它给出了分束器的输出熵或压缩熵的一个下界。第二个不等式指出，高斯态使单模量子高斯衰减器的输出熵在具有给定熵的所有输入态中最小化，这是量子通信理论中的一个长期猜想。将该不等式推广到多模衰减器将确定其三重折衷区域和其用于到两个接收器的广播通信的容量区域。本论文在高斯量子信息、量子统计力学和相对论量子信息等方面做了进一步的研究。其中最重要的结果涉及本征态热化假说（ETH）。ETH是量子统计力学中的一个假设，它指出如果我们只能访问系统，则系统+浴化合物的哈密顿量的本征态看起来是热态。我们证明，ETH必须持有，如果系统热化的任何初始产品状态的系统+浴化合物与一个明确定义的温度。
2017-10-25 math-ph math.MP quant-ph
Entangled happily ever after: Wedding reception seating mapped to classical and quantum optimizers
Foundation for Health Care Quality（医疗保健质量基金会）；Center for Computational Biology, Flatiron Institute（计算生物学中心，Flatiron研究所）
本文将婚礼座位安排问题映射到成本函数网络，用经典和量子优化算法解决，发现经典方法在某些情况下更优，提供基准集和代码用于性能评估。
2026-07-21 cs.ET quant-ph
