Back to skills
SKILL.md
Ogp Separating Quantum Inspired Optimization
ASecurityUse when OGP separates classical heuristics from QAOA depth barriers.
- 3 stars
- 0 votes
- 0 copies
- 0 views
- Added October 3, 2026
Security analysis
100/100npx -y skills add hiyenwong/ai_collection --skill ogp-separating-quantum-inspired-optimization --agent claude-codeAre you the author of Ogp Separating Quantum Inspired Optimization?
Add the live security badge to your README. It updates with every re-scan.
[](https://www.skillsdirectory.com/skills/hiyenwong-ogp-separating-quantum-inspired-optimization)---
name: ogp-separating-quantum-inspired-optimization
description: Use when OGP separates classical heuristics from QAOA depth barriers.
trigger: overlap gap property, OGP, QAOA vs mean-field MF-AOA, quantum-inspired classical algorithm limits, AMP obstruction, adiabatic to non-adiabatic QAOA parameter transition, clustered solution space, combinatorial optimization barrier
category: ai_collection
---
# OGP 分离量子与量子启发式优化算法
**来源**: arXiv:2609.35131 — Goh & Müller (DLR / Univ. Cologne), 2026-09-28
## 核心论断
问题具有 **Overlap Gap Property (OGP)** 时,解空间中 ε-最优解分裂为 Hamming 距离上不连通的簇(禁止重叠区间)。由此可以**刚性分离**两类算法:
1. **MF-AOA(量子启发经典算法)被阻塞**: 将 MF-AOA 的平均场自旋动力学嵌入**有限记忆 AMP** 框架(坐标式 Lipschitz 函数 f_t/F_t + 截断),直接继承 Gamarnik–Jagannath OGP 阻碍定理 → 无法任意接近最优。
2. **QAOA 可以穿越屏障**: Max-4-XORSAT 数值模拟显示 QAOA 超越 OGP 能量阈值,有限尺寸标度支持**超多项式**(亚指数)而非多项式深度依赖。
## 方法模式(可复用)
### 模式 1: 有限记忆 AMP 归约(证明经典启发式被 OGP 阻塞)
把一个经典启发式的迭代写成 AMP 递推 U^t = F_t(J(·, f_t(U^0..U^{t-1})), U^0..U^{t-1}),只需验证:
- f_t(0)=0、f_t/F_t 坐标式 Lipschitz(算子范数界:旋转矩阵正交 → ‖R_t(x)-R_t(y)‖ ≤ 2s(t)|x-y|,telescoping 得 K=2√T)
- 催化场项仿射 Lipschitz(max s²(1-s) = 4/27)
→ 任何能写成这种张量缩合 + 有限记忆 + 坐标截断形式的算法,都被 OGP 定理一网打尽。
### 模式 2: OGP 实例制备(branch-and-bound 扫描 ε)
对候选实例跑 branch-and-bound 收集 ε-优解集,计算重叠谱 q(σ,τ);逐次降 ε 直到谱出现**单个间隙** → OGP 实例;无任何 ε 产生间隙 → 无 OGP 对照实例。要点:对照实验用同一生成器产出,只差几何性质。
### 模式 3: 深度临界点检测(adiabatic → non-adiabatic 转变)
- 对单实例逐深度优化 (γ,β):浅深度最优参数呈线性绝热 schedule;到临界深度 p* 出现**不可微点**,全局最优跳到非绝热分支。
- 对齐技巧:把所有实例按 (p−p*, F_p−E_OGP) 平移后叠加 → 转变发生在 OGP 阈值附近略下方,是**实例共性**而非个体涨落。
- 优化器鲁棒性检查:COBYLA/BFGS/Nelder-Mead 换优化器、多初始化、Fourier 参数化都要复现同一 kink。
### 模式 4: 优化目标改变景观结构
优化 approximation ratio F_p 出现 kink;换成优化 ground-state overlap P_p 则 kink 消失。**可复用教训**: 变分参数的最优 schedule 定性依赖于所选优化目标——选择目标函数本身是算法设计自由度。TTS proxy = p/P_p 在有限深度取最小(28–52 层),盲目加深不如在 TTS 最优点停。
### 模式 5: 资源估计桥接算法-硬件鸿沟
两条曲线判定硬件可达性:
- 屏障深度 p_OGP(N)(数值外推,N=50 时 p≈250,线性外推为乐观下界)
- 相干极限深度 p_T2 = T2 / (D_p·t_2Q),D_p = G_p/(Δ+1)(并行度折算)
超导参数下 p_T2 = 13–33 ≪ p_OGP → **当前硬件在到达 OGP 屏障之前就耗尽相干时间**。保真度模型 F_2Q = (1−e_2Q)^G 随深度指数衰减。任何"量子优势宣称"都应同时报告 p_barrier 与 p_T2 的差距。
## 实验结果速查
| 观察 | 数值 |
|------|------|
| N=15 代表实例临界深度 | p* ≈ 28 |
| TTS 最优深度 (N=15→21) | p = 28 → 52 |
| N=50 外推屏障深度 | p ≈ 250(线性外推,乐观)|
| 超多项式拟合优势 (N=27-29) | RMSE_poly/RMSE_spoly ≈ 10.95 |
| 小尺寸 (N=23-26) | RMSE 比率 0.44(多项式略优,无法区分)|
| IBM Heron 相干极限 | p_T2 = 13–33 ≪ 250 |
| MF-AOA Lipschitz 常数 | K ≤ 2√T(与 N 无关)|
## 应用边界
- 稀疏图上对数深度 QAOA 已知被 OGP 限制(Chou et al.);本文给出的是**穿越屏障所需深度**的第一个数值刻画。
- MF-AOA 阻碍结论 conditional on H_N 上的 OGP 扩展假设(Conjecture 3.2 of Gamarnik-Jagannath)。
- N=50 是经典模拟开始失效的交叉点,也是首个可能的量子优势实验规模。
## 相关技能
- `qaoa-landscape-audit` — QAOA 变分景观审计
- `comet-constraint-preserving-qaoa` — 约束保持 QAOA
- `qaoa-interaction-threshold` — QAOA 模拟复杂度阈值
- `quantum-mcts-fixed-confidence` — 量子 vs 经典混合成本切换
## 参考文献
1. Goh & Müller, arXiv:2609.35131 (2026)
2. Gamarnik & Jagannath, Ann. Probab. 49(1) 180 (2021) — AMP 的 OGP 阻碍定理
3. Chou, Love, Sandhu, Shi, ICALP 2022 — 局域量子算法极限
4. Boulebnane & Montanaro, PRX Quantum 5, 030348 (2024) — k-SAT QAOA 指数标度
5. Misra-Spieldenner et al., PRX Quantum 4, 030335 (2023) — MF-AOA 原始定义
6. Zhou, Wang, Choi, Pichler, Lukin, PRX 10, 021067 (2020) — Fourier 参数化
Attribution
Comments
Loading comments…