求解最短向量问题的迭代分区搜索变分量子算法
量子物理
2026-02-11 v2
摘要
分区搜索算法（PSA）和自适应问题迭代量子优化（IQOAP）是求解最短向量问题（SVP）的领先变分量子算法。然而，两者各有局限，限制了其实际影响。IQOAP 存在无效迭代，无法更新格基，而 PSA 的静态分区导致搜索空间过大。在这项工作中，我们提出了迭代分区搜索算法（IPSA），通过将“单尾搜索空间”与动态的、栈管理的迭代过程相结合，系统性地解决了这些缺陷。具体而言，“单尾”策略确保每次成功执行都能产生有效的格基更新，从而消除了 IQOAP 相关的无效迭代。同时，动态迭代过程减少了所需的量子比特数，从而避免了 PSA 固有的搜索空间过大的限制。我们通过 Quafu 平台在百华超导量子处理器上验证了 IPSA。小规模真实硬件实验表明，与 PSA 相比，IPSA 以不到两倍的总电路深度为代价，实现了 14 倍的成功率提升。相反，与 IQOAP 相比，IPSA 将总电路深度降低了 82.7%，同时实现了约 2.5 倍的成功率。此外，我们还进行了数值模拟，其结果与实验结果吻合良好，并扩展了我们的分析。
引用
@article{arxiv.2508.18996,
title = {Iterative Partition Search Variational Quantum Algorithm for Solving Shortest Vector Problem},
author = {Zi-Wen Huang and Xiao-Hui Ni and Jia-Cheng Fan and Su-Juan Qin and Wei Huang and Bing-Jie Xu and Fei Gao},
journal= {arXiv preprint arXiv:2508.18996},
year = {2026}
}
备注
13 pages, 7 figures