量子科技中心_量科网

该研究团队提出了一种变分方法来制备任意目标哈密顿量的低能态。该方案由重复循环构成，每个循环包含p层作用于系统量子比特和辅助“浴”量子比特的酉门操作，随后对浴比特进行重置。研究人员通过优化每个循环中的门参数，使得经过多次循环后达到的稳态相对于目标哈密顿量具有较低的能量期望值，并且能量能在尽可能少的循环次数内收敛至稳态值。该工作以横场Ising模型为例，利用基于张量网络的经典模拟，系统性研究了该方法在系统尺寸、模型参数及噪声影响下的表现。随后在IBM的ibm_kingston量子处理器上进行了实验验证，实现了最多28个系统量子比特与14个浴位点的耦合。研究表明，在小尺寸系统和每个循环使用较少酉门层数的条件下进行经典训练，可获得能良好迁移至更大系统尺寸和含噪声硬件的鲁棒性结果。