石中待曰：面向量子近似优化算法的云端加速器
量子物理
2026-03-23 v1 分布式、并行与集群计算
摘要
量子近似优化算法 (QAOA) 及其高级变体量子交替算子 ansatz (QAOA) 是当前噪声中间规模量子计算 (NISQ) 时代的主要研究主题。然而，初始化其参数的问题尚未解决。本文灵感来自第 6 届 MindSpore 量子计算编程挑战赛 (2024) 中的组合优化任务，提出了 Stone-in-Waiting，一种用于获取 QAOA 高质量初始参数的云端加速器。内部而言，该加速器基于最新理论和方法构建，集成了四个自主开发的 QAOA 参数初始化算法，主要基于贝叶斯方法、最近邻方法和度量学习。相对于基线算法，生成的参数得分提升了 40.19%。外部而言，Stone-in-Waiting 提供了网页界面和 API，为用户提供灵活便捷的访问方式，以测试和开发相关实验和应用。本文介绍了 Stone-in-Waiting 的设计原则和方法，展示了其功能特性，比较了四个提出算法的优缺点，并通过实验验证了整体系统性能。
引用
@article{arxiv.2603.19980,
title = {Stone-in-Waiting: A Cloud-Based Accelerator for the Quantum Approximate Optimization Algorithm},
author = {Shuai Zeng},
journal= {arXiv preprint arXiv:2603.19980},
year = {2026}
}