arXiv · quant-ph· Dax Enshan Koh, Triscia Mundo, Iosif Sakos, Antonios Varvitsiotis·· 4 天前
变分量子算法训练即使是局部极小值也具有强NP困难性
Training Variational Quantum Algorithms Is NP-Hard, Even Locally
arXiv:2610.05128v1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：Dax Enshan Koh, Triscia Mundo, Iosif Sakos, Antonios Varvitsiotis
首次提交：2026-10-04 19:18
研究任务与主要进展
作者证明，变分量子算法的训练目标即使可高效经典求值，寻找局部极小值仍具有强NP困难性。研究还表明，对于所有p≥1，在与某个局部极小值的ℓ_p距离严格小于π/2内寻找参数向量也保持该困难性；作者通过显式构造量子电路将这些困难实例归约为VQA训练问题。
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