针对组合优化问题的离子天然 ansatz

变分量子算法已成为在近期量子计算机上解决多种问题的标准方法。然而，对于变分算法识别合适的 ansatz 配置仍然具有挑战性，尤其是要考虑到受实际量子平台限制的情况。这促使开发数字-模拟量子电路，其中量子门序列与自然哈密顿演化交替出现。一个突出例子是利用离子基体量子计算机中产生的可控长程 Ising 相互作用。最近将其应用于开发类似量子近似优化算法（QAOA）但针对离子硬件的算法。该算法的性能显示强烈依赖于各个离子-离子相互作用强度，这些强度充当 ansatz 的超参数。在本工作中，我们提出一种用于识别特定问题 ansatz 配置的启发式方法，以增强离子天然数字-模拟电路的可训练性。该方法系统应用于最多15量子比特的随机 Sherington-Kirkpatrick 哈密顿量实例，提供有利的成本景观。结果developed的方法识别出一种可训练的离子天然 ansatz，它相较于标准 QAOA 需要更少的电路深度来解决特定问题。这使算法更接近大规模实际实现。