量子优化的热启动
本文介绍了基于变分方法的新型混合量子 - 经典算法类别,重点是探究了优化方法和精度水平对变分算法的性能影响,最后提出了用拟牛顿优化方法执行量子逼近优化算法的结果。
Jan, 2017
研究了 QAOA 在 MaxCut 问题上的优化问题,指出随机初始化容易陷入低级局部最小点,通过 Trotterized quantum annealing 协议实现参数初始化,并找到最佳的 Trotter 时间步长,这为在近期量子设备上实现 QAOA 提供了实用的初始化方法,同时揭示了 QAOA 和量子退火之间的新联系。
Jan, 2021
本文回顾了最近一些分析性工作的结果,将量子涨落的效应纳入到研究中,探究了量子绝热算法在最小化随机优化问题中的效率与经典算法的差异。
Oct, 2012
本文深入研究了混合量子 - 经典变分算法中外循环经典优化的有效途径,并在 MaxCut 问题上通过发现优化参数中的模式,提出了启发式策略以在 $O (poly (p) $) 的时间内,找到近似最优的 p 级 QAOA $o$ 参数。与量子退火比较发现 QAOA 可以通过优化学习利用非绝热机制来克服与湮灭光谱间隙相关的挑战。在资源分析中,揭示了仅当问题规模大于数字模拟但可在近期设备中访问时,优化才是重要的,并提出用 2D 中性原子系统实现大型 MaxCut 问题的可行方法,从而挑战最佳经典算法所达到的范畴。
Dec, 2018
该文研究了基于门模型的量子计算机上的量子近似优化算法(QAOA)及其可能表现出的量子霸权,发现即使低深度 QAOA 的输出也无法在任何经典设备上进行高效模拟,并提出了量子绝热算法(QADI)仍存在一个 oracle 使采样成为可能的限制。这表明 QAOA 不仅可能在优化方面有用,而且在实现量子霸权方面也具有潜力。
Feb, 2016
本文提出了两种基于机器学习的方法,采用强化学习 (RL) 框架和核密度估计 (KDE) 技术,分别用于优化 QAOA 电路,从小规模问题实例中学习,然后在较大的问题实例中使用,结果表明与其他现成的优化器相比,这两种方法可以将优化度缺口减少多达 30.15 个因子。
Nov, 2019
本研究基于现代投资组合理论原则,利用实际的金融数据统计生成参数化的投资组合优化问题样本,将问题转换成可由模拟模拟模拟模拟模拟的二次二进制优化问题,研究了多种运行量子计算的方式,最终发现采用 “贪心局部搜索 + 反向退火” 方案的时间效率最优,比正向量子退火平均快 100 倍以上。
Oct, 2018
本研究对量子近似优化算法的性能进行了评估,其中研究了加权 MaxCut 和 2-SAT 问题实例的概率、期望能值和近似比相关的比率三个不同的度量方式。研究表明,该算法的性能强烈依赖于问题实例,D-Wave 2000Q 量子退火器的性能表现优于在模拟器上执行的量子近似优化算法。
Jul, 2019