對比模擬(左)和實驗(右)p = 1景觀，景觀特徵有明顯的對應關係。一個覆蓋的最佳化跟蹤(紅色，由方形標記初始化)展示了經典最佳化器找到最優引數的能力。每個無噪聲圖中的藍星表示理論區域性最優。對於硬體網格，三規則MaxCut模型和SK模型，問題大小分別為n = 23, n = 14和n = 11。資料來源:《自然物理》

一個大型研究團隊與谷歌公司合作，並與美國的許多機構(一個在德國和一個在荷蘭)合作，在一個53量位噪聲中等規模量子(NISQ)裝置上實現了量子近似最佳化演算法(QAOA)。在他們發表在《自然物理》雜誌上的論文中，該小組描述了他們在谷歌的Sycamore超導53量子位量子處理器上研究QAOA效能的方法，以及他們從中學到的東西。哈佛大學的波阿斯·巴拉克在同一期刊上發表了一篇關於該團隊所做工作的新聞與觀點文章。

在過去的幾十年裡，工程師們在提高計算機速度方面取得了巨大的進步，即使他們已經接近了傳統矽光刻技術的極限。因此，科學家們一直致力於開發量子計算機，理論表明，量子計算機可以解決計算機仍然難以執行的應用程式。不幸的是，儘管取得了一些進展，量子計算機仍然沒有真正的用處。那些已經建成的裝置被描述為NISQ裝置，因為它們都面臨著同樣的問題——噪聲導致錯誤。它們也被認為是那些理論認為是可能的裝置的墊腳石——因此才有了中間標籤。隨著科學家們繼續開發量子計算技術，他們正在研究一旦這種裝置建成後可能會發生什麼。為此，他們一直在開發qaoas演算法，旨在彌合量子計算機和經典計算機之間的計算鴻溝。

QAOAs之所以需要是因為工程師沒有任何方法來模擬NISQ裝置傳統的電腦上,這使得它很難學習如何使用一個真正的量子計算機的實際應用程式近似演算法幫助研究人員更好地瞭解計算可能會像真正的量子計算機終於啟動並執行。

在這項新的努力中，研究人員建立了一個QAOA，並在谷歌最先進的NISQ計算平臺上執行。正如巴拉克所指出的，他們的QAOA是一種小型演算法的組合，這些演算法是為了在量子計算機上執行模擬而建立的，比如模擬退火。這種演算法首先給出一個隨機答案，然後利用量子算符來改進它。透過該演算法，研究人員瞭解了更多減少噪聲或減輕其影響的方法。他們還了解了超引數的使用，以及將關鍵問題對映到量子結構上的可能方法。