AI 中文总结
针对 1 比特 RIS 辅助 MIMO 通信系统相位优化问题，提出 QAOA-LR 算法，通过固定线性斜坡设置变分参数并经一维网格搜索找最佳比例，降低计算复杂度，硬件实验证实其在量子处理器上随元件数增加有接近 ML 的容量性能。
AI 中文摘要
我们提出了一种具有确定性线性斜坡调度的量子近似优化算法（QAOA-LR），用于 1 比特 RIS 辅助 MIMO 通信系统的相位优化。每个 RIS 元件限于 0 或 π 的二元相移，将具有 N 个元件的无源波束成形设计问题转化为 2^N 种配置上的组合优化问题。QAOA-LR 不是运行经典优化器，而是使用固定线性斜坡设置 p 层的变分参数，并通过对单个参数进行简单的一维网格搜索找到最佳比例。瑞利衰落 MIMO 信道上的蒙特卡罗模拟证实 QAOA-LR 紧密跟踪最优最大似然（ML）解。此外，与经典优化相比，该算法降低了计算复杂度，在 IBM 量子处理器上的实际硬件实验证实，随着 RIS 元件数量增加，量子处理单元执行时间呈多项式缩放时具有接近 ML 的容量性能。
英文摘要
We propose a Quantum Approximate Optimization Algorithm with a deterministic linear ramp schedule (QAOA-LR) for phase optimization of a 1-bit RIS-assisted MIMO communication system. Each RIS element is restricted to a binary phase shift of 0 or π, turning the passive beamforming design problem with N elements into a combinatorial optimization problem over 2^N configurations. Instead of running a classical optimizer, QAOA-LR uses a fixed linear ramp to set the variational parameters across p layers and finds the best scale via a simple one-dimensional grid search over a single parameter. Monte Carlo simulations over Rayleigh-fading MIMO channels confirm that QAOA-LR closely tracks the optimum maximum-likelihood (ML) solution. Furthermore, the proposed algorithm reduces the computational complexity compared with classical optimization, and real hardware experiments on the IBM Quantum processor confirm near-ML capacity performance with polynomial scaling of quantum processing unit execution time as the number of RIS elements increases.
