面向动态卫星网络路由的变分量子算法挑战
计算机视觉与模式识别
2025-08-07 v1
摘要
将面向前沿变分量子算法应用于动态卫星网络路由问题，代表了一个具有前景的量子计算方向。本文对两种主要方法进行了批判性评估：一种是用于离线路由计算的静态量子优化器，如变分量子本征求解器 (VQE) 和量子近似优化算法 (QAOA)；另一种是用于在线决策的量子强化学习 (QRL) 方法。我们使用理想的、无噪声的仿真结果发现，这些算法面临着显著的挑战。具体而言，静态优化器无法解决即使是经典上容易的 4 节点最短路径问题，因为优化 landscape 的复杂性。同样，一个基于策略梯度方法的基础 QRL 代理在动态 8 节点环境中无法学习有用的路由策略，也不比随机动作更好。这些负面发现凸显了在通信网络中，量子算法在提供真实优势之前必须克服的关键障碍。我们讨论了这些限制的根本原因，包括枕石台 (barren plateaus) 和学习不稳定性，并提出了未来研究方向以克服这些障碍。
引用
@article{arxiv.2508.04286,
title = {PKSS-Align: Robust Point Cloud Registration on Pre-Kendall Shape Space},
author = {Chenlei Lv and Hui Huang},
journal= {arXiv preprint arXiv:2508.04286},
year = {2025}
}
备注
15 pages, 15 figures, and will be published in IEEE TVCG