量子科技中心_量科网

量子误差缓解是从含噪声量子处理器中提取可靠计算结果的关键技术，不仅在当前阶段至关重要，未来也将成为完全容错量子系统的重要补充。然而其实用化面临两大核心挑战：量子电路采样所需的庞大资源消耗，以及对门独立噪声等不切实际假设的依赖。该研究团队提出的经典噪声逆推（CNI）框架从根本上突破了这些限制，可适配多种量子应用场景。CNI通过经典后处理完全逆转累积噪声，既规避了昂贵的量子采样过程，又能在门依赖噪声的真实条件下保持有效性。除CNI外，研究人员还开发了噪声压缩技术，通过归并对测量结果具有等效影响的噪声成分，实现误差缓解的最优资源开销。该工作将CNI与阴影估计框架结合，构建出通用噪声环境下学习量子特性的强健协议。分析与数值模拟表明，在传统方法失效的实际场景中，该方案能显著降低统计方差并提供无偏估计。通过将关键量子资源开销转化为可管理的经典计算成本，CNI为可扩展的实用化量子应用开辟了新路径。