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

提出了一种利用贝叶斯优化来优化变分量子本征解算器（VQE）的新方法，包括推导出一个 VQE-kernel 来匹配 VQE 的目标函数的已知函数形式，通过减少后验不确定性来显著优化系统，以及提出了一种名为 EMICoRe 的新的贝叶斯优化获取函数，能够通过将低预测不确定性的区域间接视为 “已观察到” 的方式来主动利用 VQE-kernel 的归纳偏好，实验证明该方法相比于现有的基线方法具有改进效果。

Jun, 2024

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

基于 VQEC 算法模型，采用量子变分法和经典算法结合的方式进行带约束的优化，通过量子模拟器进行数值测试验证和参数优化，展示了其在近似解决复杂优化问题方面的优势。

Nov, 2023

本文讨论了量子算法中的优化问题，并提出了一种基于量子 - 经典混合的优化方案，其中包括变分绝热量子算法和单粒子门晶格，通过拟合和消除误差和采用现代没有导数的优化技术来节省计算成本。

Sep, 2015

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

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

本文提出了一种全量子特征解算法（FQE），用于计算分子的基态能量和电子结构，其中梯度下降迭代深度具有良好的复杂度，并可以在初级量子计算机上实现。

Aug, 2019

本文介绍了一种名为变分量子态本征求解器 (VQSE) 的算法，用于在量子计算机上有效地计算出密度算子最大本征值及其对应的本征态。该算法利用了对角化和主支配之间的联系来定义代价函数，需单次迭代仅 单次复制密度算子，可以实现。作者还演示了两个该算法的用例：主成分分析和误差缓解。

Apr, 2020