一种用于测量节约型变分算法的自适应优化器

变分量子-经典混合算法（VHQCA）在近期量子计算时代具有潜在的应用价值。然而，近来人们对其收敛所需的测量次数表示担忧。本文通过研究 VHQCA 中的经典优化器来回应这一担忧。我们引入了一种名为个体耦合自适应测量次数（iCANS）的新型优化器。该自适应优化器在随机梯度下降中，能经济地为给定迭代和给定偏导数选择测量次数（即测量次数）。我们通过数值模拟，在有噪声和无噪声情况下，评估了 iCANS 在变分量子本征求解器和变分量子编译中的性能。在所有情况下，尤其是在有噪声的情况下，iCANS 的性能均优于当前最先进的 VHQCA 优化器。因此，我们相信这种自适应优化器对于测量次数受限的实际 VHQCA 实现将非常有用。