量子算法因其可能显著超越传统算法而越来越受欢迎。然而,量子算法在优化问题中的实际应用面临着与现有量子算法训练效率、成本格局形状、输出准确性以及扩展到大规模问题的能力相关的挑战。在这里,我们提出了一种基于梯度的量子算法,用于具有幅度编码的硬件高效电路。我们表明,简单的线性约束可以直接合并到电路中,而无需使用惩罚项对目标函数进行额外修改。我们使用数值模拟在具有数千个节点的完全加权图的 MaxCut 问题上对其进行测试,并在超导量子处理器上运行该算法。我们发现,当应用于具有 1000 多个节点的无约束 MaxCut 问题时,将我们的算法与称为 CPLEX 的传统求解器相结合的混合方法比单独使用 CPLEX 实现了更好的解决方案。这表明混合优化是现代量子设备的主要用例之一。
具有挑战性的组合优化问题在科学和工程领域无处不在。最近,人们在不同的环境中开发了几种量子优化方法,包括精确和近似求解器。针对这一研究领域,本文有三个不同的目的。首先,我们提出了一种直观的方法来合成和分析离散(即基于整数)优化问题,其中问题和相应的算法原语使用与编码无关的离散量子中间表示 (DQIR) 来表示。与以前的方法相比,这种紧凑的表示通常可以实现更高效的问题编译、不同编码选择的自动分析、更容易的可解释性、更复杂的运行时过程和更丰富的可编程性,我们通过一些示例对此进行了演示。其次,我们对几种量子比特编码进行了数值研究;结果显示了许多初步趋势,有助于指导为特定硬件集和特定问题和算法选择编码。我们的研究包括与图着色、旅行商问题、工厂/机器调度、金融投资组合再平衡和整数线性规划相关的问题。第三,我们设计了低深度图派生部分混合器 (GDPM),最多 16 级量子变量,证明了紧凑(双
抗铁磁性海森堡模型:大致相邻的量子颗粒的目的是朝相反的方向排列。例如,这种哈密顿量是作为所谓的莫特绝缘子的有效哈密顿人。[图像:Sachdev,Arxiv:1203.4565]