量子科技中心_量科网

虽然基态制备被认为是量子计算机的主要应用之一，但它同时也是许多容错算法的重要子程序。在早期容错机制中，逻辑测量仍具有较高成本，这促使研究人员需要开发能高效利用每次测量的自适应、低采样量基态制备策略。该研究团队提出“影子增强型贪婪量子本征求解器”（SEGQE）——一种基于影子辅助的贪婪框架，可实现高效测量的基态制备。该方法通过经典影子并行完成所有经典后处理，评估大量局部候选门操作引起的能量降低效应，并在每一步贪婪地选择预估能量下降幅度最大的操作门。研究人员为SEGQE推导出严格的单次迭代最坏情况样本复杂度边界，证明其对候选门数量仅呈对数依赖。通过对横向场伊辛模型和随机局部哈密顿量集合的数值基准测试，该工作展示了系统规模近似线性增长的迭代收敛特性，同时保持高保真度的基态近似和具有竞争力的能量估计。这些实证缩放规律与严格的单次迭代保证共同表明，SEGQE是一种非常适合早期容错量子计算架构的高效测量态制备基础方法。