arXiv · quant-ph· Hoong Chuin Lau·· 5 小时前
Beyond QAOA：AI与量子计算用于自适应组合优化的综述
Beyond QAOA: A Review of AI and Quantum Computing for Adaptive Combinatorial Optimization
arXiv:2610.11759v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Hoong Chuin Lau
研究任务与主要进展
Hoong Chuin Lau在综述中分析AI与量子计算在自适应组合优化中的三种范式：AI用于量子优化、量子用于AI驱动优化，以及AI—量子协同优化。基于论文摘要，研究从119篇论文中确定67篇证据核心，发现AI降低量子评估、改善初始化、支持分解和惩罚控制及缓解噪声的证据较强，而量子计算改进学习优化器的证据主要限于小规模模拟；作者据此提出M0-M5证据层级，并认为尚未获得最高层级的广泛可信结果。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · quant-ph · arxiv.org