量子投资组合优化：一项广泛基准测试
作者对量子退火和量子近似优化算法在投资组合优化中的表现进行了基准测试，并与经典混合整数规划、模拟退火、最速下降局部搜索、禁忌搜索及问题定制启发式进行比较。基准包含基于实际股票数据的270个实例、最多1,000项资产，但受硬件限制，量子方法仅测试最多30项资产的实例；结果显示混合整数规划可在秒级求得最优解，问题定制启发式在固定运行时间下的解质量持续优于量子方法。
动态展示门槛：AI 前沿与应用 ≥ 70 分，量子方向 ≥ 62 分；已确认精选照常展示。
#量子退火
arXiv · quant-ph
arXiv · quant-ph 量子退火研究将谱隙缩放与纠缠复杂度解耦
Roopayan Ghosh与Sougato Bose在论文摘要中提出，绝热量子退火中的谱隙缩放与纠缠复杂度不必相互对应。研究分别讨论一阶相变与连续相变中的两类配对，并构造谱隙指数缩小而纠缠熵仅随系统尺寸对数增长的模型；同时推导了连接Schmidt秩与Hamming空间几何的界。
arXiv · quant-ph DC-OSQA通过度数条件退火偏移改变最小顶点覆盖的认证最优解采样
研究提出度数条件偏移调度量子退火（DC-OSQA），用顶点最大归一化度数决定退火偏移，以改变最小顶点覆盖的认证最优解采样组成。
arXiv · quant-ph 腔体量子退火将错误转移至光子并加速高保真基态制备
作者提出腔体量子退火方法，在退火中期耦合高频腔体模，将小能隙阶段的错误转移到光子中。在p-spin模型中，该方法将退火时间降至无腔体情形的近平方根量级；高光子产出的运行以O(1)产出达到超过99.99%的基态保真度，并可随系统规模获得指数级更快的完成速度，光子计数还可用于结果认证。预加载光子可反向执行该过程，制备激发态；以上结论仅基于论文摘要。