量子算法为解决复杂问题提供了潜在的加速潜力,越来越多的研究人员正在探索基于量子行走的优化方法,将其视为一种颇具前景的方法。
据外媒报道,里约热内卢联邦大学(Federal University of Rio de Janeiro)的Guilherme A. Bridi、拉脱维亚大学(University of Latvia)的Debbie Lim和新加坡国立大学(National University of Singapore)的Lirandë Pira及其同事正在研究这项技术的根本局限性,并为量子行走优化的表达能力和可训练性设定了关键界限,揭示了算法何时需要过多的参数才能找到有效解。重要的是,该团队证明,对于许多实际问题,这种方法避免了可能阻碍其他量子算法性能的棘手“贫瘠高原(barren plateaus,即由于梯度消失而导致优化停止的区域)”,为更可靠的量子优化策略铺平了道路。
探索基于Grover混合器的量子近似优化算法(QAOA)性能