学习用于量子近似优化的参数角度

研究人员提出通过机器学习预测量子近似优化算法（QAOA）的高质量变分角度，将耗时的单实例经典优化替换为单次前向传递。该开源模型在速度上提升了数个数量级且解的质量几乎相当，同时可泛化至 Barabási-Albert 和 2D grid 图等未知拓扑。量子硬件实验证实，该模型生成的角度在采样表现上与传统求解器无异。