研究人员开发了一种新颖的图条件信任区域方法，以减少量子近似优化算法（QAOA）所需的客观评估次数。该方法利用图神经网络预测QAOA角度，在定义的信任区域内指导局部优化器，并根据预测的不确定性调整评估预算。在MaxCut问题上的实验表明，电路评估次数从数百次显著减少到约45次，同时保持了可比的解决方案质量。 AI
影响 为量子算法引入了一种查询高效的优化技术，有可能降低特定量子计算应用的计算成本。
排序理由 这是一篇研究论文，详细介绍了一种优化量子算法的新方法。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.24803v1 Announce Type: new Abstract: In low-depth implementations of the Quantum Approximate Optimization Algorithm (QAOA), the dominant cost is often the number of objective evaluations rather than circuit depth. We introduce a graph-conditioned trust-region method fo…