量子科技中心_量科网

准确估算量子可观测量期望值并尽量减少测量次数，对众多量子计算应用至关重要。该研究团队提出一个涵盖多种现有测量策略的框架，并开发了可用于增强随机化方案的启发式方法——包括基于泡利分组与逆概率加权的方案，以及经典阴影算法的变体。该工作展示了如何最大化此类方案的信息获取效率，同时精细优化可能测量的分布，并证明简单分组算法在标准量子化学基准测试中，能够接近甚至在某些情况下超越当前最先进的无偏期望值估算精度。研究人员将这些随机化方法与阴影分组、去随机化阴影、重叠分组测量等新型方案进行对比，阐明了相同策略如何用于增强这些方案，并证实通过允许原本非Clifford方法采用Clifford测量电路，可将测量成本最高降低50%。