通过经典学习代理实现样本高效的量子误差缓解
近量子处理器在实现实用量子计算价值时,其固有噪声构成严峻挑战。量子误差缓解技术(QEM)作为当前主流解决方案,能以相对较低的量子比特开销提升计算保真度,而全规模量子纠错仍遥不可及。然而传统QEM方法(尤其是处理经典输入参数化的量子电路族时)会产生巨大的测量开销。针对广泛应用的零噪声外推法(ZNE),该研究团队创新性地提出代理增强型ZNE(S-ZNE),通过经典学习代理模型在经典端完成全部外推运算。与传统ZNE的测量成本随电路数量线性增长不同,S-ZNE对整个量子电路族仅需恒定测量开销,展现出卓越的可扩展性。理论分析表明,该方案在实际场景中能达到与传统ZNE相当的精度,基于100量子比特的基态能量计算和量子计量任务的数值实验也验证了其有效性。这项工作为拓展其他量子误差缓解方案提供了可复用的技术模板,为构建可扩展的误差缓解体系开辟了新路径。



