噪声设备中的 QAOA 性能：经典优化器与 ansatz 深度的影响

量子近似优化算法（QAOA）是一种面向近-term 中等规模量子（NISQ）计算机的变分量子算法，为组合优化问题提供近似解。QAOA 利用量子-经典循环，由量子 ansatz 与经典优化器组成，以最小化在量子设备上计算的某个代价函数。本文研究了真实噪声对经典优化器的影响，以及存在噪声时量子近似优化算法（QAOA）最优电路深度的确定。我们发现，虽然在态矢量模拟中经典优化器性能无显著差异，但 Adam 与 AMSGrad 优化器在 shot 噪声下表现最佳。在真实噪声条件下，SPSA 优化器与 ADAM、AMSGrad 一同成为最佳表现者。研究还揭示，某些 5 量子比特最小顶点覆盖问题的解质量在 QAOA 电路中多达约六层时提升，此后开始下降。该分析表明，试图通过增加 QAOA 层数来提高精度在噪声设备中可能无法良好奏效。