Noise-Aware Distributed Quantum Approximate Optimization Algorithm on Near-term Quantum Hardware

本文介绍了一种针对近期量子硬件执行的噪声感知分布式量子近似优化算法（QAOA）。利用分布式框架，我们解决了当前嘈杂中间规模量子（NISQ）设备的限制，这些设备受限于有限的量子比特数和高错误率。我们的方法将大型QAOA问题分解为较小的子问题，将它们分布在多个量子处理单元（QPUs）上，以增强可扩展性和性能。噪声感知策略采用误差缓解技术来优化量子比特的保真度和门操作，确保可靠的量子计算。我们使用HamilToniQ基准测试工具评估了我们框架的功效，该工具可量化各种量子硬件配置的性能。结果表明，我们的分布式QAOA框架在计算速度和准确性方面取得了显着的改进，展示了它在NISQ时代高效解决复杂优化问题的潜力。这项工作为先进的算法策略和实用的量子系统增强奠定了基础，为实现量子优势的更广泛目标做出了贡献。

本论文旨在解决当前噪声中等规模量子（NISQ）设备的限制，通过引入一个分布式的噪声感知量子近似优化算法（QAOA）来提高可扩展性和性能，从而解决复杂的优化问题。

本论文的关键思路是将大型QAOA问题分解成较小的子问题，并将它们分布到多个量子处理单元（QPUs）中，以增强可扩展性和性能，并采用噪声感知策略来优化量子比特的保真度和门操作，从而确保可靠的量子计算。

本论文使用HamilToniQ基准测试工具评估了分布式QAOA框架的效果，结果表明，与当前的量子硬件配置相比，该框架在计算速度和准确性方面都取得了显著的改进，展示了在NISQ时代高效解决复杂优化问题的潜力。

最近在这个领域中，还有一些相关研究，例如“Quantum Approximate Optimization Algorithm for Max-Cut Problem with Modification of Objective Function”和“Quantum Approximate Optimization Algorithm for the Quadratic Unconstrained Binary Optimization Problem with a Bound on the Number of Variables”。