基于量子-经典对应理论的温度目标化QAOA公平抽样
量子物理
2026-01-23 v1 统计力学
摘要
在具有退化基态的组合优化问题中，对退化解的公平抽样至为重要。然而，采用标准横向场混合器的量子近似优化算法(QAOA)会随着电路深度增加在退化态之间引入偏差。基于量子-经典对应理论，我们提出了SBO-QAOA，采用温度依赖的哈密顿量编码Gibbs分布作为其基态。数值模拟表明，与标准QAOA不同，SBO-QAOA可使基态概率收敛至有限温度值，退化态间均匀分布。即使仅采用四个可变参数 Under 线性时间表，SBO-QAOA的这些公平性和温度目标化特性仍得以保持。
引用
@article{arxiv.2601.16144,
title = {Fair sampling with temperature-targeted QAOA based on quantum-classical correspondence theory},
author = {Tetsuro Abe and Shu Tanaka},
journal= {arXiv preprint arXiv:2601.16144},
year = {2026}
}
备注
4pages, 3figures