机构名称：
¥ 1.0
摘要 SAT 问题是计算复杂性理论中具有根本重要性的典型 NP 完全问题，在科学和工程领域有许多应用；因此，它长期以来一直是经典算法和量子算法的重要基准。这项研究通过数值证据证明了 Grover 量子近似优化算法 (G-QAOA) 比随机抽样在寻找 3-SAT (All-SAT) 和 Max-SAT 问题的所有解方面具有二次加速。与 Grover 算法相比，G-QAOA 占用的资源更少，更适合解决这些问题，并且在对所有解进行抽样的能力方面超越了传统的 QAOA。我们通过对数千个随机 3-SAT 实例进行多轮 G-QAOA 的经典模拟来展示这些优势。我们还观察到 IonQ Aria 量子计算机上 G-QAOA 在小型实例方面的优势，发现当前硬件足以确定和采样所有解决方案。有趣的是，在每一轮 G-QAOA 中使用相同角度对的单角度对约束大大降低了优化 G-QAOA 角度的传统计算开销，同时保持了其二次加速。我们还发现了角度的参数聚类。单角度对协议和参数聚类显著减少了对 G-QAOA 角度进行传统优化的障碍。
3-SAT 的 Grover-QAOA：二次加速，一般
主要关键词
相关文件推荐
