Non-variational Quantum Combinatorial Optimisation
本文提出一种基于连续时间量子行走的非变分量子算法，通过目标函数相移与干涉混合求解二元、非二元及排列类组合优化问题，并在多个基准问题上以少量迭代找到全局最优解。
2024-08-01 physics.comp-ph quant-ph
Distributed Variational Quantum Optimisation by Entanglement-Selective Transport
Pawsey Supercomputing Research Centre（珀斯超级计算研究中心）
提出QESTO分布式变分量子算法，利用预共享Bell对实现图优化问题的分布式求解，无需非局域门，在瓦片匹配问题中优于分区QAOA。
2026-06-03 quant-ph
Parsimonious Optimisation of Parameters in Variational Quantum Circuits
针对变分量子电路中梯度估计复杂度随参数数量线性增长的问题，提出Quantum-Gradient Sampling算法，每次迭代最多执行两个电路并减少shots数量，实现与经典梯度下降相似的收敛率且优于多种基线方法。
2023-07-27 quant-ph
An evolving objective function for improved variational quantum optimisation
变分量子算法是一种利用计算量子优势的有效方法。这些算法的性能至关重要的是，以确保该算法收敛到一个接近最优的解决方案，在很短的时间内以很高的概率。在Barkoutsos等人（Quantum 2020）中，引入了另一类目标函数，称为条件风险价值（CVaR），并表明它们比标准目标函数表现得更好。在这里，我们通过引入一个不断发展的目标函数来扩展这项工作，我们称之为Ascending-CVaR，它可以用于任何优化问题。我们测试我们提出的目标函数，在仿真环境中，作为案例研究使用三种不同的优化问题：最大切割，号码分割和投资组合优化。我们研究了不同大小的多个实例，并使用具有硬件高效的分析器和量子近似优化算法（QAOA）的变分量子本征求解器（VQE）分析性能。我们表明，在所有情况下，上升CVaR表现优于标准目标函数或Barkoutsos等人（Quantum 2020）的“常数”CVaR，它可以用作避免次优最小值的启发式方法。我们的建议在所有问题中实现了与理想状态的更高重叠，无论我们考虑简单还是困难的实例-平均而言，它在投资组合优化和数字分区中给出了高达10倍的重叠，而在最大切割中给出了80%的改进。在困难的情况下，我们认为，对于数字划分问题，标准的目标函数未能找到正确的解决方案，在几乎所有的情况下，CVaR发现正确的解决方案在60%的情况下，而上升CVaR发现正确的解决方案在95%的情况下。
2022-06-24 quant-ph
Benchmarking Quantum Heuristics: Non-Variational QWOA for Weighted Maxcut
本文针对加权Maxcut问题基准测试了非变分QWOA算法，发现其全局最优解测量概率恒定，随问题规模扩展优于经典启发式算法，展现出量子优势潜力。
2025-05-30 physics.comp-ph quant-ph
Bayesian optimisation with improved information sharing for the variational quantum eigensolver
本研究提出一种改进信息共享的贝叶斯优化方法用于VQE，在氢和水分子势能面计算中显著降低量子资源消耗，分别提升1.5倍和至少5倍效率。
2024-05-23 quant-ph
Universal Variational Quantum Computation
变分量子算法主导当代基于门的量子增强优化，特征值估计和机器学习。在这里，我们建立量子计算的普遍性变分量子计算通过开发两个目标函数，最小化准备输出的任意量子线路。变分量子计算的短暂资源是期望值的数量，这些期望值必须使用经典到量子的外环优化来迭代地最小化。这个优化问题的一个有效的解决方案是由量子线路本身进行模拟。第一种构造在包含$\mathcal{O}({poly} \ln n)$非Clifford门的$n$ -量子位电路的期望值的数量方面是有效的-期望值的数量与模拟电路中出现的Clifford门无关。第二种方法产生$\mathcal{O}(L^2)$期望值，同时引入不超过$\mathcal{O}(\ln L)$松弛量子位，对于划分为$L$门的量子线路。因此，基于目标函数和迭代反馈的经典评估的实用变分量子编程过程原则上与任何其他量子计算模型一样强大。这一结果提高了变分方法的形式地位，同时建立了一个新的通用模型的量子计算。
2020-12-29 quant-ph
Quantum optimisation applied to the Quadratic Assignment Problem
The University of Western Australia（西澳大学）
本文提出非变分量子行走优化算法用于解决二次分配问题，通过对比经典和量子方法，展示了其在复杂组合优化中的实用性与效率。
2026-01-03 quant-ph
Quantum Approximate Optimisation for Not-All-Equal SAT
本研究将 QAOA 应用于 NAE-SAT 问题，通过引入新型经典求解器作为基准进行广泛对比，发现在足够大的电路深度下 QAOA 的运行时间缩放指数更小，证明了求解该问题存在多项式级的量子加速。
2024-01-05 quant-ph
Quantum Optimisation for Continuous Multivariable Functions by a Structured Search
解决优化问题是量子计算机的一个有前途的近期应用。量子变分算法利用量子叠加和纠缠优化指数大的解决方案空间使用交替序列的经典可调幺正。然而，先前的工作主要解决离散优化问题。此外，这些算法的设计一般的假设下，一个非结构化的解决方案的空间，这限制了他们的加速比的理论极限的非结构化Grover的量子搜索算法。在本文中，我们表明，量子变分算法可以有效地优化连续的多变量函数，利用一般的结构特性的离散连续的解决方案空间的收敛性，超过了限制的非结构化的量子搜索。我们介绍了量子多变量优化算法（QMOA），并证明了它的优势，比现有的方法，特别是在优化高维和振荡函数。
2022-10-12 cs.DS quant-ph
Variational quantum algorithm with information sharing
我们介绍了一种变分量子算法的优化方法，并通过实验证明，与天真的实现相比，效率提高了100倍。我们的方法的有效性示出通过获得小分子和自旋模型的多维能量表面。我们的方法解决了相关的变分问题，并行利用贝叶斯优化和不同的优化之间共享信息的全球性。我们的方法非常适合于下一代的变分问题，许多物理自由度。这解决了一个关键的挑战，在规模扩大量子算法，以证明量子优势的问题，现实世界的利益。
2021-07-23 quant-ph
Quantum walk informed variational algorithm design
本研究提出基于连续时间量子游走与图自同构群的理论框架，用于分析量子变分算法的振幅转移，据此设计的新型优化算法在组合优化问题上收敛性显著优于现有方法，并推导了图结构适用性度量与收敛界。
2024-06-21 quant-ph
Fair Benchmarking of Optimisation Applications
Maastricht University（马斯特里赫特大学）；TNO（荷兰应用科学研究组织）
本文提出了一种公平评估量子优化应用的框架，强调端到端工作流程、透明调优和问题多样性，以提高评估的可重复性和可信度。
2025-12-08 quant-ph
Hype or Heuristic? Quantum Reinforcement Learning for Join Order Optimisation
Technical University of Applied Sciences Regensburg（雷根斯堡应用技术大学）；University of Lübeck（吕贝克大学）；Siemens AG, Technology（西门子股份公司技术部）
针对数据库连接顺序优化问题，提出基于混合变分量子拟设的量子强化学习方法，可处理通用浓密连接树且所需量子比特极少，虽性能与经典方法相当，但可训练参数大幅减少，训练效率更高，适用于低延迟场景。
2024-05-13 cs.DB cs.LG quant-ph
A quantum walk assisted approximate algorithm for bounded NP optimisation problems
本文介绍了量子近似优化算法（QAOA）的应用程序，有效地找到近似解决方案的多项式有界NP优化复杂性类（NPO PB）中所包含的计算问题。我们考虑一个概括的QAOA状态演化交替量子行走和解决方案的质量依赖的相移，并使用量子行走集成的NPO问题的问题约束。我们应用最近的概念的混合量子经典变分方案，试图找到最高的期望值，其中包含一个高质量的解决方案。该算法适用于最小顶点覆盖的问题，只使用一个固定的和低数量的优化参数，显示出可喜的成果。
2018-04-26 quant-ph
Quantum optimisation via maximally amplified states
本文提出了最大放大优化算法（MAOA），一种新的量子算法设计的组合优化在短期量子计算的限制电路深度的上下文中。MAOA首先产生一个量子态，在这个量子态中，问题的最优解被放大到受给定的受限电路深度限制的最大可能范围。随后重复制备和测量这种最大放大状态，尽可能有效地产生最高质量的解决方案。MAOA比其他近期量子算法（如量子近似优化算法（QAOA））表现得好得多，因为它大大放大了最优解，并且无需这些其他算法所需的计算要求变分过程。此外，限制电路深度修改现有的Grover自适应搜索。这种改进的算法被称为限制Grover自适应搜索（RGAS），并提供了一个有用的比较MAOA。MAOA和RGAS模拟一个实际的车辆路径问题，计算要求投资组合优化问题，和一个任意大的问题，正态分布的解决方案的质量。在所有情况下，MAOA和RGAS提供了大量的加速比经典的随机抽样在寻找最佳解决方案，而MAOA始终优于RGAS。通过证明数值收敛到理论推导的上界来量化由MAOA提供的加速。
2022-06-01 physics.comp-ph quant-ph
Approximating the quantum approximate optimization algorithm with digital-analog interactions
量子近似优化算法是作为一种启发式方法提出的，用于解决近期量子计算机上的组合优化问题，并且可能是在量子计算的后霸权、嘈杂、中等规模时代执行有用计算的首批算法之一。在这项工作中，我们利用最近提出的数字模拟量子计算范式，其中可编程通用量子计算机的多功能性和量子模拟器的容错性相结合，以改善量子计算平台。我们表明，数字模拟范例是适合变分量子近似优化算法，由于其固有的弹性对相干误差，通过进行大规模模拟，并提供其性能的分析界限设备有限的单量子位操作时间。我们观察制度的单量子比特的操作速度，其中所考虑的变分算法提供了显着的改善非变分的同行。
2022-11-09 quant-ph
Second-order optimisation strategies for neural network quantum states
本文改进KFAC优化器并提出基于决策几何的新型优化器，用于提升神经网络量子态变分蒙特卡洛方法的优化性能，实验表明新优化器在稳定性、精度和收敛速度上均优于KFAC改进版。
2025-07-08 nucl-th quant-ph
Parallel variational quantum algorithms with gradient-informed restart to speed up optimisation in the presence of barren plateaus
受Fleming-Viot随机过程启发，提出带梯度感知重启的并行变分量子算法，通过粒子遇贫瘠高原时重生加速优化，理论与实验验证其在含大面积贫瘠高原的问题中优于普通模拟退火。
2024-12-15 math.OC quant-ph
Solving larger Travelling Salesman Problem networks with a penalty-free Variational Quantum Algorithm
University of Kingston（金斯顿大学）；Digital Catapult（数字 catapult）；Centre for Engineering Research, University of Hertfordshire（赫特福德大学工程研究中心）
本文提出无惩罚变分量子算法，成功在量子设备上解决十二个地点的旅行商问题，显著降低量子比特需求并提升计算效率。
2026-10-07 quant-ph
Non-variational supervised quantum kernel methods: a review
Centre for Quantum Information, Simulation and Algorithms, The University of Western Australia（西澳大利亚大学量子信息、模拟与算法中心）
综述探讨非变分监督量子核方法的理论基础、核构造及实践估计方法，分析量子优势评估框架及关键挑战，明确QKMs实际应用中的优势领域和技术障碍。
2026-04-09 cs.LG quant-ph
Variational determination of the two-particle density matrix as a quantum many-body technique
本文讨论了多体量子力学中密度矩阵的变分优化方法。这是一个相对未知的技术，其中一个试图获得两个粒子约化密度矩阵直接在变分方法。在第一章中，我们在多体量子力学的更广泛的背景下介绍这一主题，并简要地概述了该领域的历史。第二章总结了约化密度矩阵的N-可表示性，并在一个统一的框架下得到了这些结果。最优化问题可以用半定规划的形式表示。第三章讨论了三种不同的算法，并对它们的性能进行了比较。在第四章中，我们展示了如何利用对称性来大大降低计算成本。第五章讨论了该方法的几个应用。我们发现，标准的两个指标的约束失败的强相关限制的一维哈伯德模型。在第六章中，我们将自旋适应提升条件确定为能够正确描述这种极限的最紧约束。
2012-03-26 cond-mat.str-el physics.chem-ph physics.comp-ph
Out of the Loop: Structural Approximation of Optimisation Landscapes and non-Iterative Quantum Optimisation
本文提出一种基于解空间结构近似QAOA优化景观的非迭代量子优化方法，使用实例无关但问题特定的量子电路，在降低计算开销的同时达到或超越单位深度QAOA的性能，并证明了一个关于QAOA实例无关结构的长期猜想。
2025-10-27 quant-ph
A case study of variational quantum algorithms for a job shop scheduling problem
组合优化模型广泛的工业过程，旨在提高其效率。一般来说，精确地解决这类问题在计算上是难以处理的。因此，从业者依赖于启发式解决方案的方法。变分量子算法是可以用可用的量子硬件来演示的优化算法。在这个案例研究中，我们应用四个变分量子算法在IBM的超导量子处理器上运行的作业车间调度问题。我们的问题优化了钢铁制造过程。5个量子比特的比较表明，与量子近似优化算法（QAOA）、标准变分量子本征求解器（VQE）和变分量子虚时演化（VarQITE）相比，新的滤波变分量子本征求解器（F-VQE）收敛速度更快，对全局最优解的采样频率更高.此外，F-VQE很容易在硬件上解决高达23个量子位的问题，而无需错误缓解后处理。
2022-02-11 quant-ph
Efficient Parameter Optimisation for Quantum Kernel Alignment: A Sub-sampling Approach in Variational Training
The Hartree Centre, STFC（哈特雷中心（科学技术设施委员会））；IBM Research – Zurich（IBM研究院苏黎世分部）；University of Warwick（华威大学）；IBM Research Europe - UK（IBM研究院欧洲英国分部）；National Heart and Lung Institute, Imperial College London（帝国理工学院国家心肺研究所）
本文针对量子核对齐训练成本高的问题，提出在变分训练中仅使用核矩阵子集的子采样方法，并在合成与乳腺癌数据集上验证其可在保持分类准确率的同时大幅减少所需电路数量。
2024-10-10 cs.LG quant-ph
Classical optimisation of reduced density matrix estimations with classical shadows using N-representability conditions under shot noise considerations
本文通过改进经典阴影层析成像的估计器并重新表述优化约束，在相同测量射击预算下提升了N-可表示性条件强制执行性能，并量化了潜在节省。
2025-10-23 quant-ph
Qubit-efficient encoding schemes for binary optimisation problems
我们提出并分析了一组变分量子算法来解决二次无约束二元优化问题，其中一个问题由$n_c$经典变量组成，可以在$\mathcal O(\log n_c)$数量的量子比特上实现。潜在的编码方案允许通过逐渐增加所涉及的量子比特的数量来系统地增加由变化的量子态捕获的经典变量之间的相关性。我们首先研究忽略所有相关性的最简单的极限，即当量子态只能描述统计独立的经典变量时。我们应用这种最小编码来找到一个一般问题实例的近似解，该问题实例由64个经典变量组成，使用7个量子比特。接下来，我们展示了如何将经典变量之间的两体关联纳入变分量子态，以及它如何提高近似解的质量。我们给出了一个例子，通过解决一个42变量的最大切割问题，只使用8个量子位，我们利用特定的拓扑结构的问题。我们分析这些情况是否可以有效地优化，因为在最先进的量子平台中可用的资源有限。最后，我们提出的一般框架扩展的概率分布的表达任何多体相关性。
2021-04-21 cond-mat.dis-nn quant-ph
MEMO-QCD: Quantum Density Estimation through Memetic Optimisation for Quantum Circuit Design
Universidad Nacional de Colombia（哥伦比亚国立大学）；Zapata AI（扎帕塔人工智能公司）
本研究提出MEMO-QCD策略，结合量子启发密度估计与模因算法优化，用变分量子电路实现量子特征图与训练态制备，可通过浅电路准确逼近高斯核密度估计，适配近期量子硬件。
2024-09-17 cs.LG quant-ph
Cross-Platform Benchmarking of Near-Term Quantum Optimisation Algorithms
National Quantum Computing Centre（国家量子计算中心）；Rutherford Appleton Laboratory（拉瑟福·阿普尔顿实验室）；University of Strathclyde（斯特拉斯克莱德大学）；Capgemini UK PLC（凯捷英国有限公司）；Capgemini Quantum Lab（凯捷量子实验室）
本文通过密集的二次无约束二元优化问题评估近期量子优化算法，比较了VQE和量子退火在不同设备上的性能，并探讨了其在材料科学中的应用。
2026-03-24 quant-ph
Efficient recovery of variational quantum algorithms landscapes using classical signal processing
我们采用频谱分析和压缩感知来识别变分算法的成本函数可以纯经典地或以最小的量子计算机访问来恢复的设置。我们提出的理论和数值证据支持稀疏恢复技术的可行性。为了证明这种方法，我们使用基追踪去噪，有效地恢复模拟量子近似优化算法（QAOA）的大系统规模的实例，从很少的样本。我们的研究结果表明，稀疏恢复可以更有效地利用和分配量子资源的变分算法的优化。
2022-08-11 quant-ph
Performance of hybrid quantum/classical variational heuristics for combinatorial optimization
最近的文献近期应用量子计算机包含几个例子的混合量子/经典变分方法的应用。这种方法可以应用于各种优化问题，但其实际性能还没有得到很好的研究。本文提出了一些步骤，在寻找经典组合优化问题的解决方案的背景下，在表征的方法的实际性能的方向。我们的研究是基于数值结果应用几个经典的非线性优化算法的哈密顿六个组合优化问题的实验是通过无噪声的经典模拟的量子线路中实现的Qiskit。我们通过经验验证：（1）对于具有多个泡利项的哈密顿量，寻找基态是困难的;（2）经典的全局优化方法比局部方法更成功，因为它们能够避免大量的局部最优;（3）在变分形式中引入纠缠似乎没有明显的优势。
2018-12-13 cs.DM quant-ph
Efficient Parabolic Optimisation Algorithm for adaptive VQE implementations
计算化学是量子计算最有前途的应用之一，这主要归功于变分量子本征求解器（VQE）算法的发展。VQE正在被广泛研究，并且已经提出了VQE的子过程的许多优化，包括编码方法和激励的选择。最近，引入了迭代地应用每个激励的自适应方法。对于自适应VQE，研究主要集中在激励池的选择和激励的选择策略上。在这里，我们专注于VQE的一个通常被忽视的组成部分，这是经典优化算法的选择。我们介绍了我们专门为VQE的需求而设计的抛物线优化器。这包括1-D和n-D优化器，可用于自适应或传统VQE实现。然后，我们继续基准的抛物线优化器对Nelder-Mead的各种实现的VQE。我们发现抛物线优化器的性能明显优于传统的优化方法，需要更少的hocTs和更少的量子实验来实现给定的能量精度。
2021-10-25 quant-ph
A Binary Optimisation Algorithm for Near-Term Photonic Quantum Processors
本文提出一种面向近期光子量子处理器的玻色子二元求解器算法，利用量子光学采样与可训练经典后处理，经梯度训练求解二元优化问题，实验表明其能产生高质量解，具有可扩展性。
2025-10-09 quant-ph
Quantum State Preparation via Schmidt Spectrum Optimisation
The University of Western Australia（西澳大学）；University of Cambridge（剑桥大学）
提出施密特谱优化算法，通过逐层优化双量子比特门解纠缠矩阵乘积态，并反转序列构建制备电路，在随机MPS和局部哈密顿量基态近似中优于先前方法。
2026-06-01 quant-ph
Entanglement-assisted variational algorithm for discrete optimization problems
针对离散优化问题精确解难以求解的痛点，提出以广义相干态为变分拟设的纠缠辅助启发式算法，可低复杂度计算、捕获关键纠缠，在三维Edwards-Anderson模型基准测试中表现出可扩展的应用潜力。
2025-11-19 quant-ph
Quantum Algorithms for solving Hard Constrained Optimisation Problems
La Salle - Ramon Llull University（拉蒙柳尔大学拉萨尔学院）；IBMQ（IBM量子）；AWS-Braket（AWS布拉凯特）
本文研究了求解硬约束优化问题的量子算法。它展示了量子计算机如何解决困难的日常问题，例如为社会工作者找到最佳时间表或机器人在仓库中挑选和整理的路径。解决方案的路径导致了一种新的人工智能范式的定义，包括量子计算，量子基于案例推理（qCBR），以及使用Raspberry Pi 4作为处理器（qRobot）将量子计算的能力集成到移动机器人中的概念验证，能够与IBMQ，Amazon Braket（D-Wave）和Pennylane等领先的技术参与者一起运行。为了提高变分算法在这个NISQ时代和下一个时代的执行时间，我们提出了EVA：一种量子指数值近似算法，它可以加速VQE，也就是说，到目前为止，量子计算的旗舰。为了提高变分算法在这个NISQ时代和下一个时代的执行时间，我们提出了EVA：一种量子指数值近似算法，它可以加速VQE，也就是说，到目前为止，量子计算的旗舰。
2022-02-26 cs.LG quant-ph
Training Saturation in Layerwise Quantum Approximate Optimisation
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
量子近似优化（QAOA）是目前研究最多的基于门的变分量子算法。我们每次训练一层QAOA，以最大化与$n$量子位目标状态的重叠。这样做，我们发现这种训练总是饱和-称为\textit{training saturation} -在某个深度$p^*$，这意味着超过一定的深度，重叠不能通过添加后续层来改善。我们提出了饱和的必要条件。数值上，我们发现分层QAOA在深度$p^*=n$达到其最大重叠。向训练中添加相干失相误差消除了饱和，恢复了分层训练的鲁棒性。这项研究揭示了QAOA的性能限制和前景。
2021-06-25 cond-mat.dis-nn cs.LG quant-ph
Compositional Quantum Heuristics for Max-Clique Detection
Quantinuum
本文提出组合量子电路方法，通过构建对称损失函数提升训练梯度和泛化能力，设计出具有排列等变性的量子图神经网络，用于最大团检测，并结合递归混合量子经典启发法提升推理精度和可扩展性。
2026-05-08 quant-ph
Optimisation-free Classification and Density Estimation with Quantum Circuits
Universidad Nacional de Colombia（哥伦比亚国立大学）
我们展示了一个新的机器学习框架的概率密度估计和分类使用量子线路的实现。该框架通过量子特征映射将训练数据集或单个数据样本映射到物理系统的量子态。任意大的训练数据集的量子态将其概率分布概括为有限维量子波函数。通过将新数据样本的量子态投影到训练数据集的量子态上，可以导出统计数据以分类或估计新数据样本的密度。值得注意的是，我们的框架在真实量子设备上的实现不需要任何量子线路参数的优化。尽管如此，我们讨论了一个变分量子线路的方法，可以利用我们的框架的量子优势。
2022-05-23 cs.LG quant-ph
Optimisation-Free Recursive QAOA for the Binary Paint Shop Problem
University of Melbourne（墨尔本大学）；Ford Motor Company（福特汽车公司）
本文提出无优化递归QAOA算法，用于解决二进制喷漆车间问题，通过参数转移技术提升性能，减少量子资源需求，展示出可扩展的量子优化路径。
2026-04-09 quant-ph
Clifford Circuit Initialisation for Variational Quantum Algorithms
提出了一种适用于中等规模量子计算机的变分量子算法的初始化方法。该方法使用模拟退火的有效模拟Clifford参数点作为预优化，找到一个低能量的初始条件。我们数值证明了该技术的有效性，以及它如何依赖于哈密顿结构，量子位数和电路深度。虽然考虑了一系列不同的问题，但我们注意到该方法对量子化学问题特别有用。这种方法可以帮助实现一个量子优势在嘈杂或容错的中间规模的设备，即使我们证明了一般的方法是不可任意扩展。
2022-07-04 quant-ph
Generating probability distributions using variational quantum circuits
Indian Institute of Science Education and Research Bhopal（印度科学教育与研究学院博帕尔分校）
本文提出利用变分量子电路生成概率分布，通过分析不同ansatze家族在多种成本函数和优化方法下的表现，提供设计高效可训练量子电路的实用指南。
2026-01-05 quant-ph
Pattern or Not? QAOA Parameter Heuristics and Potentials of Parsimony
本文通过数值模拟系统研究QAOA参数模式，发现最优参数常偏离预期，深度增加时性能对参数不敏感，并提出迭代分量式固定启发式方法，在浅深度下可与甚至优于现有策略。
2025-10-09 quant-ph
Variational protocols for emulating digital gates using analog control with always-on interactions
本文针对中性原子量子模拟器设计变分脉冲序列，在始终开启相互作用下实现单、多量子比特门层，并可支持重聚焦、SWAP网络与量子化学模拟，为模拟处理器运行变分量子算法提供新路径。
2024-05-13 cond-mat.quant-gas quant-ph
Hybrid Quantum-Classical Optimisation of Traveling Salesperson Problem
Qosmos Technologies Research Center（Qosmos技术研究中心）
提出融合VQE、K-means分解与RandomForestRegressor路径精化的混合量子-经典TSP优化框架，在80城市实验中显著优于仅量子方法并提升稳定性。
2025-09-30 cs.LG quant-ph
SPSA Hyperparameter Tuning for Variational Quantum Natural Language Inference
NPC Worldwide；Indiana University（印第安纳大学）
本研究针对变分量子自然语言推理，在6量子比特QNLI分类器上对SPSA超参数做网格搜索，发现AdamW式SPSA的最优配置性能优于默认配置，但仍逊于参数偏移基准，且Bures预处理会放大SPSA梯度噪声。
2026-08-19 cs.LG quant-ph
An investigation of IBM Quantum Computing device performance on Combinatorial Optimisation Problems
在求解$\mathcal{NP}$ -硬组合优化问题（COP）时，确定性解的难解性在文献中已有很好的报道.克服这一困难的一种机制是使用有效的COP非确定性方法。然而，随着量子技术的出现，这些现代设备克服这种易处理性限制的潜力需要探索。本文比较了经典优化算法和量子优化算法在求解旅行商问题（TSP）和二次分配问题（QAP）这两个常见COP问题上的性能。比较了经典的分支定界法（BNB）和模拟退火法（SA）与量子优化方法（变分量子本征求解器（VQE）和量子近似优化算法（QAOA））。这些算法分别在经典设备和IBM的一套噪声中间尺度量子（NISQ）设备上执行。我们已经编码的COP问题，为各自的技术和算法，并提供了NISQ设备的计算编码。我们的实验结果表明，目前的经典设备显着优于目前可用的NISQ设备，这与文献中的研究结果一致并扩展。此外，我们引入额外的性能指标，以更好地比较两种方法的计算时间，可行性和解决方案的质量。我们的研究结果表明，VQE比QAOA更好地执行这些指标，我们推断，这是由于所需的操作数量增加。此外，我们研究了一组新的基门对量子优化技术的影响，并表明它们不会对结果产生显着的改善。最后，我们提出了最先进的NISQ IBM量子器件的缺点，并为未来的工作和研究提出了建议。
2022-04-22 cs.ET quant-ph
Optimizing quantum heuristics with meta-learning
变分量子算法是量子力学的一类，是量子计算的一个很有前途的候选者。找到在硬件上增强这些方法性能的最佳方法是一项重要任务。在这里，我们评估优化的量子力学与现有的一类技术称为“元学习者”。我们比较了贝叶斯优化，进化策略，L-BFGS-B和Nelder-Mead方法的性能，两个量子算法（量子交替算子和变分量子本征求解器），在三个问题上，在三个模拟环境。我们表明，元学习者接近全局最优值的频率比我们在嘈杂的参数设置环境中测试的所有其他优化器。我们还发现，元学习器通常对噪声更具抵抗力，例如，在噪声和采样环境中，性能下降较小，并且通过“增益”度量平均表现优于其最接近的竞争对手L-BFGS-B。这些结果是一个重要的迹象，表明元学习和相关的机器学习方法将是嘈杂的近期量子计算机的有用应用不可或缺的。
2019-08-08 cs.NE quant-ph
Natural evolution strategies and variational Monte Carlo
University of Michigan（密歇根大学）；EPFL（洛桑联邦理工学院）；Flatiron Institute（弗莱提伦研究所）
量子自然进化策略的概念被引入，它提供了一个几何合成的一些已知的量子/经典算法进行经典的黑箱优化。Gomes等人最近的工作。[2019]在这种情况下，从教学角度回顾了使用神经量子态的启发式组合优化，强调了与自然进化策略的联系。算法框架的说明近似组合优化问题，并发现一个系统的战略，以提高近似比。特别是它被发现，自然进化策略可以实现近似比竞争力与广泛使用的启发式算法的最大切割，在增加计算时间的代价。
2020-11-20 cond-mat.dis-nn cs.LG quant-ph
$i$Trust: Trust-Region Optimisation with Ising Machines
本文提出 $i$Trust，将带截断传递函数的相干 Ising 机改造为支持盒约束信赖域优化的方法，并证明其在凸或不变凸条件下的收敛性及经典与量子混合应用价值。
2024-06-06 cs.ET math.OC quant-ph
Quantum Annealing: Optimisation, Sampling, and Many-Body Dynamics
IPPP and Department of Mathematical Sciences, Durham University（达勒姆大学数学科学系及IPPP）；University of Birmingham（伯明翰大学）；University of Oxford（牛津大学）
本文综述了量子退火的基本原理、硬件平台和算法技术，分析了量子隧穿、能隙和开放系统效应对计算性能的影响，并探讨了其在优化、机器学习、量子模拟和多体物理中的应用及挑战。
2026-05-07 cond-mat.dis-nn cond-mat.stat-mech cs.ET
