通过从哈密顿量对称性衰减中学习实现量子可观测量的噪声抑制

该研究团队提出了一种名为"对称性衰减引导外推法"(GUESS)的新型量子误差缓解技术,该方法利用哈密顿量对称性提升含噪声量子计算的精度。该技术专为估算可观测量期望值的量子算法设计,其核心在于通过系统对称性可观测量学习外推系数,进而估算目标观测量的数值。此外,研究人员还提出哈密顿量杂质技术来强化对称性,使得局部目标观测量的误差缓解成为可能。 研究采用IBM Heron r2量子处理器"ibm_basquecountry"模拟了具有开放边界条件的一维横向场伊辛模型和XZ海森堡模型中平均磁化强度及最近邻关联观测量的时间演化。在100量子比特系统中,该工作将新方法与基准零噪声外推技术(ZNE)及张量网络模拟进行精度对比。值得注意的是,对于包含多达8000个CZ门的量子电路,GUESS技术实现了约10%的相对误差;在对20个观测量的平均测试中,其方差表现优于ZNE技术,且每个观测量仅需基准ZNE两倍的测量次数。 尤为突出的是,该技术能基于对称性观测量结果进行统计后选择,通过其均值和方差为目标量子比特的质量提供关键信息。这些结果表明,GUESS是一种强大的量子误差缓解技术,能以最小量子资源开销实现实用规模量子电路结果的高精度缓解,为大规模电路提供低方差解决方案。

作者单位: VIP可见
页数/图表: 登录可见
提交arXiv: 2026-03-13 15:09

量科快讯