পদ্ধতির তুলনা করুন

	ভ্যারিয়েশনাল কোয়ান্টাম আইগেনসলভার	কোয়ান্টাম অ্যাপ্রক্সিমেট অপ্টিমাইজেশন অ্যালগরিদম
ক্ষেত্র	কোয়ান্টাম কম্পিউটিং	কোয়ান্টাম কম্পিউটিং
পরিবার	Machine learning	Machine learning
উদ্ভবের বছর	2014	2014
প্রবর্তক	Alberto Peruzzo	Edward Farhi
ধরন	Hybrid quantum-classical algorithm	Hybrid quantum-classical algorithm
মৌলিক উৎস	Peruzzo, A., McClean, J., Shadbolt, P., et al. (2014). A variational eigenvalue solver on a photonic quantum processor. Nature Communications, 5, 4213.	Farhi, E., Goldstone, J., Gutmann, S. (2014). A quantum approximate optimization algorithm. arXiv preprint arXiv:1411.4028.
অপর নাম	VQE, hybrid quantum-classical	QAOA, quantum alternating operator ansatz
সম্পর্কিত	4	4
সারসংক্ষেপ	The Variational Quantum Eigensolver (VQE) is a hybrid quantum-classical algorithm designed to find the lowest eigenvalue (ground state energy) of a quantum Hamiltonian. Introduced by Peruzzo et al. in 2014, it exploits the variational principle to combine the power of quantum circuits with classical optimization to solve chemistry and materials science problems on near-term quantum devices.	The Quantum Approximate Optimization Algorithm (QAOA) is a hybrid quantum-classical algorithm designed to solve combinatorial optimization problems on near-term quantum devices. Introduced by Farhi, Goldstone, and Gutmann in 2014, QAOA encodes optimization problems into quantum circuits and uses classical optimization to tune circuit parameters, aiming to find approximately optimal solutions for problems like MaxCut, graph coloring, and scheduling.