量子电路诊断:噪声鲁棒性、可训练性与表达性

参数化量子电路是近期量子算法的核心,也为众多量子机器学习框架奠定了基础。这类电路需兼具噪声鲁棒性、可训练性及足够的表现力。该研究团队提出了一种名为2MC-OBPPP的多项式时间经典估算器,可量化评估上述三项关键指标。通过案例演示,研究表明中等幅度的阻尼噪声虽能缓解梯度消失问题,但会削弱电路表现力。特别值得注意的是,该方法能生成时空“噪声热点”图谱,精确定位电路中最易受噪声影响的量子比特/量子门。针对特定电路的测试表明,仅需对不足2%的量子比特实施干预措施,即可消除高达90%的误差。因此,2MC-OBPPP不仅是一种与硬件无关的高效预执行电路评估工具,更能通过精准定位显著降低噪声抑制成本。

量科快讯