量子科技中心_量科网

单位线性组合（LCU）算法是众多量子算法的核心构建模块。然而，由于该技术通常需要辅助量子系统及复杂的受控酉算子，其硬件效率一直受到限制。近期提出的随机化LCU方案虽通过单辅助比特的浅层量子电路实现了与原始LCU相同的期望值计算，但需承受二次方增长的采样开销代价。本工作提出了一种介于原始LCU与随机化LCU之间的新型量子算法，在采样成本与电路规模间实现动态平衡。该方案将酉算子集合划分为若干分组，通过随机采样分组内的LCU电路来估算目标期望值。研究团队通过引入“缩减因子”这一关键参数，从理论上证明了分组规模与采样开销间的单调递减关系，该因子决定了所有分组策略的采样效率上限。这种混合算法不仅使基于LCU的非厄米动力学模拟器在保持接近原始采样开销的同时大幅降低电路深度和辅助比特用量，还在虚拟与相干量子线性系统求解器之间实现了渐进性优化。此外，该工作提出仅需可复位单辅助比特的虚拟基态制备方案，在渐进分析中同时优于虚拟与相干LCU方法。最后，通过将量子误差检测建模为LCU过程，该研究明确了传统检测与虚拟检测的选择条件，从而实现了采样开销与硬件负载的最优平衡。