学习模型为QAOA生成参数角度，将逐实例求解加速多个数量级

研究团队学习从问题实例到高质量QAOA参数角度的映射，用单次前向计算替代逐实例的非凸经典求解，在质量近似相同的前提下将速度提升多个数量级。基于论文摘要，模型可泛化到未见过的Barabási-Albert和二维网格图；量子硬件实验显示，使用开源模型生成的角度与求解器角度产生的样本不可区分。作者将前期数据生成和训练成本列为需预先投入的成本，并指出在反复优化相似问题时可随时间摊销。