通过时间重缩放加速反馈型量子算法

本文探讨了时间重缩放对反馈量子算法（FQA）及其针对优化任务的变体FALQON性能的影响。我们引入TR-FQA和TR-FALQON，分别是FQA和FALQON的时间重缩放版本。该方法应用于两个具有代表性的问题：最大割（MaxCut）组合优化问题和ANNNI量子多体模型中的基态准备。结果表明，TR-FALQON在电路前层显著加快对最优解的收敛，在浅层深度范围内显著优于其标准版本。 在基态准备的语境中，TR-FQA表现出更好的收敛性能，使所需的电路深度缩短了数百层。这些发现凸显了时间重缩放作为在近期量子设备上增强算法性能的策略的潜力。