由最优参数化量子电路组成的变分量子算法有望在嘈杂的中尺度量子 (NISQ) 时代展现量子优势。除了经典的计算资源外,不同类型的量子资源在计算过程中也有贡献,例如信息置乱和纠缠。描述特定问题的复杂性与解决这些问题所消耗的量子资源之间的关系有助于我们理解量子信息处理背景下的 VQA 结构。在本文中,我们专注于量子近似优化算法 (QAOA),该算法旨在解决组合优化问题。我们分别研究了 QAOA 电路中的信息置乱和纠缠,发现对于更难的问题,在大多数情况下,QAOA 电路需要更多的量子资源才能获得解。我们注意到,在未来,我们的结果可用于通过计算过程中的信息置乱或纠缠积累来基准化量子多体问题的复杂性。
![arXiv:2301.07445v4 [quant-ph] 2024 年 12 月 26 日PDF文件第1页](/bimg/8/8740a59622963efc679499c456b5073bf68c8b29.webp)
![arXiv:2301.07445v4 [quant-ph] 2024 年 12 月 26 日PDF文件第2页](/bimg/4/4f029ea6a3ac5035e89dcb45ac225d81310a7e3a.webp)
![arXiv:2301.07445v4 [quant-ph] 2024 年 12 月 26 日PDF文件第3页](/bimg/4/49263e05f6c723fe164d32f7a5998a49b40e9d95.webp)
![arXiv:2301.07445v4 [quant-ph] 2024 年 12 月 26 日PDF文件第4页](/bimg/1/16e121e5a38ccdb2e0c611f65c6f7bbe7e63ceb1.webp)
![arXiv:2301.07445v4 [quant-ph] 2024 年 12 月 26 日PDF文件第5页](/bimg/b/b1baef923adb7db2199ae5a8a7987528901ea78f.webp)
