.png){kind=icon}
返回
Quantum approximate optimization algorithm with fixed number of parameters
.png){kind=icon}
OA
AI
DOI：10.1140/epjqt/s40507-026-00548-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们介绍了一种新颖的量子优化范式：固定参数计数量子近似优化算法（FPC-QAOA）。它是一种可扩展的变分框架，无论量子比特数量、哈密顿量复杂度或电路深度如何，都能保持可训练参数的数量恒定。通过将调度函数优化与电路离散化分离，FPC-QAOA能够在参数最少的情况下实现精确的调度近似，同时支持任意深度的离散化绝热演化，仅受限于NISQ硬件能力。这种分离使得深度可扩展而无需扩展经典搜索空间，缓解了深度QAOA电路中常见的过参数化和优化挑战，如类似空平台的行为。我们在随机MaxCut实例和尾部分配问题上对FPC-QAOA进行了基准测试，其性能与标准QAOA相当或更优，且经典计算量几乎恒定，量子电路评估次数显著减少。在具有多达50个量子比特的IBM Kingston超导处理器上的实验证实了其在现实噪声下的鲁棒性和硬件效率。这些结果将FPC-QAOA定位为一种适用于近期量子设备的实用且可扩展的变分量子优化范式。
Keyword:
Quantum computing
Quantum Algorithms
QAOA
Adiabatic quantum computing
