本公开涉及一种驱动量子计算网络的方法，所述方法用于确定二次无约束二值优化问题的解的代价函数的极值，所述方法包括：初始化量子比特；将量子门层顺序地应用于所述量子比特，其中，每一层包括作用于多个量子比特的多量子比特量子门以及具有两个特征值和对所述量子比特的可变作用的多个变分量子门，其中，所述量子门层的变分量子门的可变作用形成变分参数的集合；以及确定所述量子计算网络的输出状态以获得与所述变分参数的集合相关联的解，其中，所述二次无约束二值优化问题的每个二值变量都与所述寄存器量子比特的计算基态相关联，并且所述解是通过评估测量到与所述二值变量相对应的计算基态的概率而获得的，并且其中，所述解通过以下操作迭代地改进：确定经变更的变分参数的输出状态以评估关于所述变分参数的子集的偏导数，从而基于所述经变更的变分参数的输出状态确定所述代价函数的梯度；以及基于所述代价函数的梯度上的移动平均值与所述代价函数的平方梯度上的移动平均值的更新函数来更新所述变分参数。