在中性原子量子计算机上进行具有部分收敛保证的迭代优化
量子物理
2026-04-01 v1
摘要
中性原子量子计算机 (NAQC) 已涌现为解决最大加权独立集 (MWIS) 问题的有前景平台。然而，类比量子方法面临两个关键限制：原子布局对可实现图几何的约束以及缺乏性能保证。我们提出 Lp-Quts，一个集成 NAQC sampler 的混合量子-经典框架，纳入经典割平面算法。每次迭代中，松弛线性规划 (RLP) 对 MWIS 进行上界，并从中诱导出约简图，其中从中采样独立集。我们提出一种基于样本的分离问题，引导奇环割的选择并加速收敛。对于 t-完美图，Lp-Quts 继承了经典割平面理论中的多项式时间收敛保证。我们在规模达 300 顶点的实例上评估了该方法——这超越了当前 NAQC 硬件的能力。在此规模下，Lp-Quts 在等效采样预算下，达到接近 5-10% 最优性的解，超越了直接的类比量子协议和贪心 baseline。如预期，模拟退火在此规模下仍是最强大的基于样本的求解器。这些结果表明，量子采样器可被有效嵌入经典优化框架，以在保持形式保证的前提下，使用更少的量子资源提供接近最优的解。
引用
@article{arxiv.2603.28933,
title = {Iterative Optimization with Partial Convergence Guarantees on Neutral Atom Quantum Computers},
author = {Cédrick Perron and Yves Bérubé-Lauzière and Victor Drouin-Touchette},
journal= {arXiv preprint arXiv:2603.28933},
year = {2026}
}