近日，本源量子联合中科大研究团队在量子近似优化算法（简称：“QAOA”）的研究中取得最新进展。该研究证明了量子近似优化加速算法（简称：S-QAOA）是利用现阶段的含噪声量子计算机求解组合优化问题的理想选择，进一步推进了量子计算在组合优化问题上的应用。

什么是组合优化问题？以著名的旅行商问题（TSP）为例，假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一 次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径长度为所有路径之中的最小值。这就是一个典型的组合优化问题。

组合优化问题在现实生活中具有广泛的应用，比如交通、物流、调度、金融等领域的许多问题都是组合优化问题，并且很多组合优化问题对应的经典算法都有较高 的复杂度，在问题规模较大时，经典计算机难以快速地找到这些问题的最优解。因此，利用量子计算加速组合优化问题的求解具有重要的意义。

在含噪声的中等规模（NISQ）的量子时代，可靠的量子操作数会受到量子噪声的限制（目前量子噪声包括量子退相干、旋转误差等）。因此，人们对量子-经 典混合算法很感兴趣，这类混合算法可以借助经典优化器来优化量子线路中的参数，从而选择最优的演化路径，以降低量子线路深度。

研究人员表示，理论上如果量子线路足够深，QAOA可以得到较好的近似解。但由于量子噪声引起的误差会随着量子线路深度的增加而累积，当量子线路深度较 大时，QAOA的性能实际上会下降。因此，在当前的量子计算机上展现QAOA算法的优势是一项具有挑战性的任务，降低QAOA算法的线路深度对于在现阶段 的量子计算机上展现QAOA算法的优势具有重要意义。

为了减少量子电路的深度，研究人员提出了一种新的思路，称为“Shortcuts to QAOA”：（S-QAOA）。数值模拟结果表明，与QAOA相比，S-QAOA在量子线路更浅的情况下可以获得较好的结果。

本源量子研究人员表示，在S-QAOA中，参数自由度的释放是通过对梯度较大的参数进行进一步的优化，但是是否有更好的方式挑选出最重要的参数做优化， 还是值得探索和研究的一个方向。研究团队将在下一步的工作中研究更多的案例，以验证和完善科研想法，希望尽早为实现量子优越性提供新的方法和思路。