GPT-6 Astra 直接写出变分量子电路角度:无需优化器,VQE 能谱覆盖达 95–100%
变分量子算法通常靠经典优化器反复调整门角度,而每次损失评估都要运行量子设备。一项研究让前沿模型 GPT-6 Astra 在只读问题、电路和门约定的条件下直接写出角度,不回传任何损失或梯度;在横场伊辛链、H2 与深度一 QAOA 上,其角度与优化器持平,作为热启动还能把优化器达到最优所需的评估次数中位数压到一次。
变分量子算法通常靠经典优化器反复调整门角度,而每次损失评估都要运行量子设备。一项研究让前沿模型 GPT-6 Astra 在只读问题、电路和门约定的条件下直接写出角度,不回传任何损失或梯度;在横场伊辛链、H2 与深度一 QAOA 上,其角度与优化器持平,作为热启动还能把优化器达到最优所需的评估次数中位数压到一次。
把量子化学里的“生成模型出电路、量子采样出比特串、经典修复扩展、经典求解器定解”流程搬到最大权重独立集上后,预注册的留出测试给出了否定答案:禁忌搜索的修复盆地质量达0.82–0.94,模拟退火次之,所有量子采样器与匹配的经典学习策略在每一档规模上都落后于这两者。此前一个看似正向的结果来自逐实例从50组配置里挑最好,属于上界而非可部署方法;按随机配置公平评估,oracle QAOA在n=28时只有0.014。
该工作提出一个模块化基准框架,将参数化量子电路的搜索方向估计(参数移位、有限差分、SPSA、PGPE、可观测曲率预条件)与经典更新规则(SGD、Adam、RMSprop)独立配对,在MaxCut QAOA、Iris分类、二分类MNIST的QCNN和分子氢VQE四类任务上以256次采样进行有限采样仿真,并在156量子比特处理器上做选定案例研究;结果显示最优更新规则依赖估计器与任务,且峰值性能与跨种子平均性能往往指向不同配置。
已读完全部报道