Scaling QAOA: transferring optimal adiabatic schedules from small-scale to large-scale variational circuits
Cet article propose un cadre d'apprentissage de schedules qui transfère des stratégies de contrôle adiabatique informées par le gap spectral d'instances à petite échelle vers des circuits QAOA plus grands, réduisant ainsi l'optimisation classique de 2p paramètres à seulement 2 hyperparamètres tout en maintenant des performances compétitives.