VQE 与 QAOA：近期设备能做什么

VQE 和 QAOA 都不像传统「算法」：它们交给你一张带旋钮的线路图，旋钮由经典计算机来拧。量子部分负责制备态和测量，经典部分负责看数字、调参数，来回循环。

参数化线路加一个经典优化器

VQE 的目标通常是基态能量：把分子或材料的 哈密顿量 拆成若干可测项，线路按参数 $\theta$ 制备试探态，测量每一项的期望值再加起来。经典优化器改 $\theta$，让这个数往下走。

QAOA 的结构更像交替序列：一层代价哈密顿量、一层混合哈密顿量，重复 $p$ 次，参数是每层的角度。它常被用在组合优化上，比如 MaxCut；$p$ 越大，线路越深，能表达的解空间也越大。

两者共享同一个循环：量子评估，经典更新。这就是「变分」：量子侧不直接给答案，只给一个可优化的数。

浅线路的代价

近期设备没有容错，深线路跑不完。变分线路可以只做几层，把深度压在相干时间以内，所以它成了 NISQ 设备上的主流框架。

代价在循环里。每次评估都要把同一个线路重复 采样 很多次（记为 $S$），误差按 $1/\sqrt{S}$ 下降；参数一多，要评估的点也变多。更麻烦的是贫瘠高原：在某些参数化线路里，梯度随比特数指数变小，优化器几乎收不到方向。

「线路浅」不等于「便宜」：它换掉相干时间压力，换来采样开销和优化难度。

截至 2026 年公开报道的量级，还没有一个变分实验在真实化学或工业优化问题上稳定超过经典方法。演示多集中在可经典模拟的小规模问题上；规模一上去，噪声、采样和优化三重成本会一起涨。

这不意味着 VQE 没有价值：它是研究含噪设备的有用框架。但把它当成「近期就能商用」的解法，是把原理上的可行性当成了工程上的临近。