量子科技中心_量科网

在噪声量子器件中进行误差抑制，需要对噪声信道有非常精确的估计。概率性误差消除的精度往往受到信道层析成像高样本复杂度的限制。理论上，最大似然估计（MLE）能够实现最优的样本复杂度，但MLE在计算上极具挑战性。该工作表明，在某些感兴趣的特定情形下，MLE可以变得计算上易于处理。对于常见的1D局域稀疏泡利-林德布拉德信道，似然函数可简化为一个可高效评估的贝叶斯网络。该研究证明，由此产生的计算能够显著改善层析成像的性能。此外，通过模拟实验，该团队展示了这可以切实降低误差抑制的开销。该工作还讨论了将该算法推广到更一般场景（如非1D电路和非泡利误差）的潜在可能性。