Speaker: 王子竹教授，电子科技大学

Inviter: 尚云

Title: 用深度生成模型做变分优化：为解决量子问题加速

Language: Chinese

Time & Venue: 2025.12.11 15:00-16:00 南楼N913

Abstract: 变分生成优化网络（VGON）提供了一种模型无关的变分优化框架，利用深度生成模型来解决困难的量子优化问题。不同于直接调整参数，VGON 学习一种从隐空间到解空间的概率输运的映射，能够在GPU等经典硬件上并行且高效地生成大量高质量、多样性强的近似最优解。与标准的基于梯度的方法相比，大幅缩短了优化时间。我们将VGON应用于四个量子任务：（1）识别用于纠缠检测的最优高维量子态；（2）通过变分量子电路寻找一维多体自旋模型的基态，同时避免贫瘠高原问题；（3）在单次训练中为多体哈密顿量生成简并基态空间的正交基——即多样的简并基态；以及（4）通过高效探索高维、非凸的实验参数空间，优化测量设备无关量子会议密钥协商（ MDI-QCKA）协议中的成码率。这些应用展示了 VGON 在复杂量子问题中加速并改进对近似最优解及简并解搜索的能力。