量智信息中心_量科网

量子处理器的持续发展正在推动科学发现取得突破。尽管进展显著，但制造大规模量子处理器的高昂成本意味着在可预见的未来其仍将稀缺，这限制了广泛应用。为突破这一瓶颈，该研究团队提出了“预测替代模型”的创新概念——这是一种经典学习模型，能以可证明的计算效率模拟给定量子处理器的均值行为。 具体而言，研究人员设计了两种预测替代模型，能在多样化的实际场景中大幅减少对量子处理器的调用需求。为展示其在数字量子模拟中的潜力，该工作使用替代模型模拟了具有20个可编程超导量子比特的量子处理器，实现了对横场伊辛模型族的变分量子本征求解器高效预训练，并识别出非平衡Floquet对称性保护拓扑相。实验结果表明：预测替代模型不仅可将测量开销降低数个数量级，其性能甚至能超越传统依赖密集量子资源的方法。这些发现共同证明，预测替代模型为扩大先进量子处理器的影响力提供了一条实用路径。