量子科技中心_量科网

量子计算的进步激发了人们对其超越经典系统加速潜力的极大兴趣。然而噪声仍是实现可靠量子算法的主要障碍。该研究团队提出了一种可证明具备噪声弹性的训练理论和算法，以增强参数化量子电路分类器的鲁棒性。这种方法与进化策略存在天然联系，仅需对常用优化算法进行最小调整即可确保参数噪声弹性。该方案具有函数无关性，可适配多种量子电路，并在量子相分类任务中成功验证。通过建立具备可证明保证的量子电路优化理论，该工作为近期量子计算机的实用化稳健应用开辟了新途径。