基于 ZNE 的直接纠缠 ansatz 学习 (DEAL)
量子物理
2026-04-22 v2
摘要
量子组合优化算法通常面临复杂优化景观带来的挑战，包括众多局部极小值、指数级潜在空间以及对量子硬件噪声的敏感性。本研究引入直接纠缠 ansatz 学习 (Direct Entanglement Ansatz Learning, DEAL) 方法，采用从二次无约束二进制问题参数到量子 ansatz 角度的直接映射，用于 cost 和 mixer哈密顿量，从而提高对最优解的收敛速度。该方法利用基于量子纠缠的 ansatz 有效探索复杂的潜在空间，并通过零噪声外推 (ZNE) 大幅缓解由串扰和相干性错误导致的随机性。我们的实验评估表明，DEAL 在成功率上较经典量子近似优化算法提升了最高 14%，同时控制了误差方差。此外，我们展示了 DEAL 能够为旅行商问题、背包问题和最大割问题提供接近最优的基态能量解，从而促进了解决相关 NP 难问题的新范式，扩展了使用噪声量子硬件进行量子优化的实际应用性。
引用
@article{arxiv.2504.04021,
title = {Direct entanglement ansatz learning (DEAL) with ZNE on error-prone superconducting qubits},
author = {Ziqing Guo and Steven Rayan and Wenshuo Hu and Ziwen Pan},
journal= {arXiv preprint arXiv:2504.04021},
year = {2026}
}