量子科技中心_量科网

变分量子本征求解器（VQE）被普遍视为适用于近期噪声量子计算机的有前景的量子算法。然而，当采用理论上能实现满意精度的深层量子电路实现时，该算法会受噪声严重限制。该研究团队展示如何通过基于深度学习的定制化误差缓解技术使VQE具备实用功能。该方法采用动态训练的多层感知器，结合电路描述符从噪声输出中预测理想期望值。值得注意的是，研究人员采用了局部织结的电路编织技术，显著降低了生成训练数据所需的经典计算成本。该工作还表明，其他流行的通用量子误差缓解技术无法达到同等精度。这些发现突显了针对特定电路家族定制的深度学习量子误差缓解方法的威力，以及变分量子算法与经典深度学习协同使用的优势。