双势阱与多势阱势的模拟量子退火

我们分析量子退火作为一种启发式优化方法，用于寻找各种连续模型的绝对极小值，包括仅有两个势阱的地形，以及具有许多竞争极小值和无序的模型。使用投影量子蒙特卡洛（QMC）算法进行的模拟与基于有限温度路径积分QMC技术的模拟以及经典退火进行了比较。我们表明，投影QMC算法比有限温度QMC技术更高效，而如果经典退火以适当的长程移动执行，则两者均劣于经典退火。然而，随着优化问题难度的增加，经典退火失去效率，而投影QMC算法保持稳定的性能，并最终成为最有效的优化工具。我们讨论了我们的结果对于在经典计算机上通过随机模拟测试绝热量子计算机效率这一悬而未决问题的影响。