提出了一种名为 ClusterVQE 的新算法，该算法利用量子互信息来将初始量子位空间分割为子空间（量子集群），这些集群进一步分布在单独的（更浅的）量子电路中，并且通过新的 “dressed” 哈密顿量考虑了不同集群之间的纠缠，从而实现了电子结构计算中 VQE 量子电路复杂度的降低。

Jun, 2021

本研究提出了一种基于变分混合量子 - 经典算法的量子状态对角化算法，该算法可以通过量子计算评估门序列的成本（比经典成本评估更快），并且经典计算机使用此信息来调整门序列的参数，主要适用于凝聚态物理和机器学习领域中的状态对角化问题，它可以通过最小化成本函数来返回一个近似对角化的门序列，从而获得量子态的最大特征值和相关的特征向量的近似值。

Oct, 2018

该研究提出了一种基于参数化量子神经网络的无监督学习方法，名为变分降噪，用于改善含有噪声的 Variational Quantum Eigensolver（VQE）模型的输出结果，在 H2 和 LiH 分子哈密顿量的能量估计和保真度方面比噪声输入数据具有更高的准确性和有效性，并且可以将变分降噪集成到量子硬件中，提高了量子硬件的多样性和端到端的量子处理能力。

Apr, 2023

通过渐进增加量子比特的数目，同时采用张量网络表示方式和对实际系统对称性的保留，我们提出了一种方法来研究近期噪声中等规模量子计算机上的量子多体系统的基态性质，并在实用场景中展示了其可行性。

Feb, 2019

我们提出了一种广义的 VQE 算法，可以根据自由参数 α 在 O (1/ε^α) 的电路深度下利用量子相干性减少样本数到 O (1/ε^2 (1-α))，同时提供了一种新的有限量子资源下的期望值估计程序。

Feb, 2018

本文介绍了一种新颖的变分算法 —— 进化变分量子本征求解器 (EVQE)，该算法使用进化编程技术来最小化给定哈密尔顿量的期望值，通过动态生成和优化量子电路 (ansatz) 来实现。EVQE 单元优化域内的问题，使用硬件高效电路 (ansatz) 进行准确的能量评估。EVQE 通过虚拟化生成的量子电路，与以 VQE 为代表的传统演化算法相比，CX 门的数量最多减少 $12 imes$，深度最多减少 $18.6 imes$，在存在噪声的情况下，表现出显著的噪声抵抗特性。该文同时还介绍了 EVQE 在 5 量子位计算机上的实验结果，证明了 EVQE 在当前和近未来的量子计算机上进行通用优化的有效性。

Oct, 2019

本文介绍了一种名为 MoG-VQE 的算法，该算法利用多目标帕累托优化，采用基因改进的策略，对电路拓扑进行优化，并采用协方差矩阵适应进化策略优化单量子比特旋转角度，目的是在低深度和高精度之间找到最优解。在多种分子的测试中，可以观察到与标准算法相比，两比特门数量减少近十倍。

Jul, 2020

该论文介绍了一种基于 ans"atze 和经典优化的新方法来减少量子计算时间需求。该方法将小型光子量子处理器与传统计算机相结合，并在量子化学中进行了实验验证。

Apr, 2013

本文回顾了构造有效星座的最新进展，分为两个类别 -- 化学启示和硬件效率 -- 这些方法产生的量子电路更容易在现代硬件上运行，并讨论了最初为 VQE 模拟制定的术语的不足以及在更复杂方法中如何解决它们和进一步改进的潜在方式。

Mar, 2021

本文提出了一种数码 VQE ansatz 的图解计划，不仅有大小可延展性而且无需 Trotterization 以克服常规的大小可延展性 ansatz 的限制，我们测试了这种方法在短自旋链中的表现。

Jul, 2019