研究人员为量子行走优化表达能力设定关键界限

盖世汽车讯 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Lirand? 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性能