增强自由能景观中的量子行走：带增强的量子退火

为量子退火算法提供最优路径是寻找计算困难优化问题的良好近似解的关键。增强是可用于规避退火过程中系统指数级小能隙的策略之一。本研究将一时变增强项加入哈密顿量，以对演化系统中最概然态赋予更低能量。在此研究中，我们取构型空间中的局域熵作为增强项，并将该算法应用于若干简单与困难优化问题。在量子搜索问题中，增强算法表现优于标准量子退火算法，其中最优参数的行为因解的数量不同而差异显著。此外，增强可将平均场 p-spin 模型（p>2）的不连续相变改变为连续相变。该算法在二值感知机问题中的表现亦优于标准量子退火算法，而后者已优于经典模拟退火算法。