量子赌博：适用于自适应变分算法中生成器选择的最佳臂策略
量子物理
2025-09-19 v1 化学物理
摘要
自适应变分算法在生成器选择步骤面临巨大的测量成本，因为必须估计大型算子池中的能量梯度。这种规模瓶颈限制了其在近期量子设备上应用于更大分子系统的可行性。我们通过将生成器选择重新表述为最佳臂识别（Best Arm Identification, BAI）问题来解决这一挑战，即目标是使用尽可能少的测量来识别能量梯度最大的生成器。为解决此问题，我们采用Successive Elimination算法，该算法会自适应分配测量并提前淘汰不具前景的候选者。分子系统的数值实验表明，该方法在保持基态能量精度的同时，显著减少了所需测量次数。通过在不牺牲性能的情况下降低测量开销，我们的方法使自适应变分算法在近期量子模拟中更加实用。
引用
@article{arxiv.2509.14917,
title = {Quantum Gambling: Best-Arm Strategies for Generator Selection in Adaptive Variational Algorithms},
author = {Rick Huang and Artur F. Izmaylov},
journal= {arXiv preprint arXiv:2509.14917},
year = {2025}
}