量子科技中心_量科网

当前拥有数百至数千个含噪声量子比特的量子处理器时代，引发了人们对这些设备计算能力的理解兴趣，以及如何利用其解决实际相关问题的探索。对于需要估算可观测量期望值的应用，学界已对如何经典模拟和降噪形成了较深理解。然而，组合优化等应用的需求远超期望值——比特串本身直接编码候选解。尽管近期的不可能性定理和阈值结果表明，仅凭含噪声样本很难超越经典启发式算法，但我们仍然缺乏能在随机量子电路之外复现这些噪声样本的经典方法。 针对目标函数仅依赖于双体关联的问题（如最大割问题），该研究团队证明：采用类似Goemans-Williamson方法的高斯随机舍入技术处理电路的双量子比特边际分布，可生成预期成本严格逼近含噪声量子设备的分布。以最大割问题为例，对于受局部退极化噪声p影响的任意深度D电路，该采样器实现的近似比为1−O[(1−p)^D]，从而能高效生成与含噪声电路行为相似的分布。除理论分析外，研究人员还在IBMQ硬件上进行了大规模仿真实验，证实舍入样本能准确复现完整能量分布，并验证该特性在不同噪声模型下的普适性。 该工作为含噪声优化电路的采样提供了简洁的经典替代方案，明确了近量子硬件处理组合任务的真实能力边界，同时为未来误差抑制或容错量子优势演示建立了量化基准。