量子近似优化算法的量子退火初始化
量子物理
2022-01-26 v3 无序系统与神经网络
统计力学
计算物理
摘要
量子近似优化算法（QAOA）因其较浅的电路深度与良好的基准表现，是一种有前景的近期量子算法。然而，QAOA 所需的外部参数优化可能成为性能瓶颈。这促使人们研究其优化景观并寻找启发式参数初始化方法。本工作中，我们可视化了应用于随机图 MaxCut 问题的 QAOA 的优化景观，表明 QAOA 的随机初始化易于收敛到具有次优性能的局部极小。我们引入基于 Trotterized 量子退火（TQA）协议的 QAOA 参数初始化，由 Trotter 时间步长参数化。我们发现，TQA 初始化在广泛的时间步长范围内可规避伪极小问题，其性能与指数级数量随机初始化中的最佳结果相当。此外，我们证明时间步长的最优值恰与量子退火中 Trotter 误差激增点一致。我们的结果提出了在近期量子设备上初始化 QAOA 协议的实用方法，并揭示了 QAOA 与量子退火之间的新联系。
引用
@article{arxiv.2101.05742,
title = {Quantum annealing initialization of the quantum approximate optimization algorithm},
author = {Stefan H. Sack and Maksym Serbyn},
journal= {arXiv preprint arXiv:2101.05742},
year = {2022}
}
备注
10 pages, 9 figures; typos corrected, references added