受模型预测控制启发的量子算法
量子物理
2026-07-27 v1
摘要
我们提出了一种新的混合量子-经典算法，其灵感来源于一种称为模型预测控制（MPC）的高级控制策略。该算法将变分量子算法（VQA）的基于优化的设计与基于反馈的量子算法（FQA）的基于反馈的设计统一起来。变分电路参数通过逐层后退时域策略进行优化，其中每层之后的可观测量测量结果用于初始化一个经典模拟的动态模型，该模型用于预测量子态演化并优化未来的参数化门。这种混合算法可用于基态制备和近似组合优化等应用，并为量子计算机与高性能计算的集成提供了一个理想用例，其中后者资源可用于提高对MPC至关重要的预测的规模和效率。我们通过数学证明和数值证据表明，基于MPC的算法可以保证至少达到FQA的性能。通过对Max-Cut问题和二维横向场伊辛模型的模拟，我们证明了基于MPC的算法的宽松实现在实践中也可以比FQA提供更好的性能。
引用
@article{arxiv.2607.24992,
title = {A Model Predictive Control-Inspired Quantum Algorithm},
author = {Dominic Messina and Alicia B. Magann and Mohan Sarovar and Helen Durand},
journal= {arXiv preprint arXiv:2607.24992},
year = {2026}
}