量子科技中心_量科网

参数移项规则在各类量子算法（特别是量子机器学习领域）的导数估计中具有关键作用。由于噪声效应和设备量子比特间相互作用的影响，在噪声中等规模量子（NISQ）硬件上运行的算法通常无法应用单间隙参数移项规则。这种情况下必须采用广义参数移项规则，但对较大系统而言其计算成本极高。本文提出的近似广义参数规则（aGPSR）能处理任意设备哈密顿量，在显著降低计算需求的同时提供精确的导数估计。当将aGPSR应用于3至6量子比特的变分量子本征求解器测试案例时，在达到完全相同目标能量的前提下，期望值调用次数减少了7至504倍，充分展现了该规则强大的计算节约能力。