量智信息中心_量科网

费米子哈密顿量的量子模拟是量子计算的一项主要应用，但在当前硬件上，其精确执行受到深特罗特电路中误差累积的限制。该团队提出了一种面向器件的编码哈密顿模拟降噪框架，该框架将基于辛换位特罗特合成的广义超快编码（GSE）与克利福德降噪技术（CliNR）以及通过中电路测量实现的肖尔式稳定子验证相结合。该团队在一个类似于即将推出的IonQ Tempo系列的钡基开发系统上，针对六量子比特编码克利福德特罗特步骤实现了该方法，并通过硬件实验和校准后的器件级噪声模型，将其与直接执行进行了基准测试。编码后的CliNR执行逻辑错误率最多降低54%。关键的是，当稳定子读出被推迟到电路末端时，这一优势便消失，这表明及时的电路中故障检测（而非仅仅是验证开销）才是性能提升的驱动力。作为概念验证，该团队进一步表明，机器学习引导的稳定子选择能够识别出优于随机选择的验证算子。这些结果表明，编码原生验证与动态电路原语相结合，可以在不承担完整量子纠错开销的情况下，切实改进面向应用的量子模拟。