Choco-Q：基于 commute Hamiltonian 的受约束二进制优化 QAOA

受约束二进制优化旨在寻找赋值，以在满足约束条件的同时最小化或最大化目标函数，这是各种领域（包括交通、调度和经济）中的典型 NP 问题。量子近似优化算法（QAOA）通过利用量子纠缠的并行性，为解决此问题提供了有前景的方法。然而，基于惩罚项或哈密顿仿真的现有 QAOA 方法未能充分编码约束，导致成功率极低且搜索延迟长。本文提出了 Choco-Q，一个面向受约束二进制优化问题的正式且通用的框架，其覆盖了所有约束，同时在当前量子设备上表现出高部署性。Choco-Q 的核心创新在于将 commute 哈密顿作为驱动哈密顿，从而实现更为通用的编码公式，可处理任意线性约束。利用 commute 哈密顿的算术特性，我们提出了三个优化技术，以压缩整体电路复杂度，包括哈密顿序列化、等价分解和变量消除。序列化机制将原始哈密顿转换为更小的哈密顿。我们的分解方法仅采用线性时间复杂度，实现端到端加速。实验表明，Choco-Q 在成功找到最优解方面相较于先前的 QAOA 设计实现了超过 235 倍的算法改进，端到端加速实现了 4.69 倍。