标定纠缠在变分量子电路中的作用

纠缠是量子计算区别于经典计算的关键性质，然而其在量子算法性能中的确切作用，尤其是变分量子算法，尚不清楚。本工作中，我们利用张量网络方法，在受控纠缠环境下系统探究纠缠在两种变分量子算法——量子近似优化算法（QAOA）与量子神经网络（QNNs）——处理典型问题时的作用。我们发现，对于用 QAOA 求解的 MAX-CUT 问题，保真度作为纠缠的函数高度依赖于层数、图中边的布局与边密度，通常表现为层数越多对纠缠截断的韧性越高。这与先前基于不超过四层 QAOA 的研究相反，那些研究表明 QAOA 的保真度随系统每量子比特纠缠遵循标度律。相反，在 QNNs 情形下，具有高测试精度的已训练电路以更高纠缠为支撑，任何对纠缠的强制限制都会导致测试精度急剧下降。这由这些电路的纠缠熵一致偏高所证实，表明不同于 QAOA，QNNs 可能需要能够生成高度纠缠态的量子器件。总体而言，我们的工作增进了对纠缠在变分量子算法中作用的理解，或有助于在 NISQ 时代量子硬件上以实现最高精度的方式实施这些算法。