量子科技中心_量科网

随机电路采样（RCS）仍是近期含噪中等规模量子（NISQ）硬件中展示量子优势最具竞争力的框架之一。然而，在缺乏纠错的情况下，现有用于表征这些实验的基准（如线性交叉熵）会因噪声而被经典方式欺骗。因此，存在一些有趣的情形，例如浅层随机量子电路，其采样在经典上可能难以处理，但现有基准无法区分含噪量子计算机与对抗性经典欺骗者。本文证明，非线性交叉熵为浅层全连接随机量子电路提供了一种样本高效的基准，其分数能清晰地区分含噪量子计算机与最先进的经典欺骗者，即使在退极化噪声存在的情况下也是如此。此外，该团队基于重输出生成的概念开发了一种二元分类器，在浅层时具有对数级别的样本复杂度。该研究的证据来自使用复制技巧推导的全连接布朗电路系综的精确解析表达式，以及通过数值模拟验证了这些结果在离散Haar随机酉电路中的适用性。