基于单个样本近似比的QAOA评估
量子物理
2022-08-23 v2 计算复杂性
新兴技术
摘要
量子近似优化算法（QAOA）是一种用于求解二值变量优化问题的混合量子-经典算法。由于其较短的电路深度以及对系统误差的预期鲁棒性，它是在近期量子设备上运行的最有希望的候选者之一。我们模拟了应用于Max-Cut问题的QAOA性能，并将其与一些最佳经典替代方案在精确、近似和启发式求解方面进行比较。在比较求解器时，其性能以达成给定解质量所需的计算时间为特征。由于QAOA基于采样，我们利用基于观察到高于某质量样本的概率的性能度量。此外，我们表明QAOA性能随图类型显著变化。通过为变分参数选择合适的优化器并减少函数评估次数，QAOA性能相比先前估计提升多达2个数量级。特别是对于3-正则随机图，此设置缩小了与经典替代方案的性能差距。由于不断演进的QAOA计算复杂性理论指导，我们采用了一个搜索量子优势的框架，该框架纳入了大量问题实例以及所有三种经典求解器模式：精确、近似和启发式。
引用
@article{arxiv.2006.04831,
title = {Evaluation of QAOA based on the approximation ratio of individual samples},
author = {Jason Larkin and Matías Jonsson and Daniel Justice and Gian Giacomo Guerreschi},
journal= {arXiv preprint arXiv:2006.04831},
year = {2022}
}