量子近似优化中的可达性缺陷
量子物理
2020-03-11 v2 无序系统与神经网络
统计力学
人工智能
机器学习
摘要
量子近似优化算法（QAOA）已迅速成为当代量子算法开发的基石。尽管应用范围不断扩大，但针对该算法根本局限性的研究成果却寥寥无几。本文报告了QAOA对问题实例的约束-变量比表现出强烈依赖性——这一问题密度对算法最小化相应目标函数（从而求解优化问题实例）的能力构成了限制性约束。此类“可达性缺陷”即使在不存在贫瘠高原（McClean等人，2018）的情况下依然存在，且超出了近期报道的1级QAOA局限性（Hastings，2019）的范畴。这些发现属于最早确定变分量子近似优化存在强局限性的研究之列。
引用
@article{arxiv.1906.11259,
title = {Reachability Deficits in Quantum Approximate Optimization},
author = {V. Akshay and H. Philathong and M. E. S. Morales and J. Biamonte},
journal= {arXiv preprint arXiv:1906.11259},
year = {2020}
}
备注
feedback welcome; 8 pages; 4 composite figures; RevTeX