量子科技中心_量科网

量子子空间对角化与量子Krylov算法为利用量子计算机估算量子系统低能谱提供了一种可行且容错要求较低的替代方案，相较量子相位估计更具实施前景。然而尽管原理验证结果令人鼓舞，这类方法仍存在对噪声（包括采样噪声等内在源）高度敏感的问题，其在实际工业相关问题中的应用价值尚存疑问。为提高此类方法的潜在适用性，我们针对量子子空间对角化中出现的含噪广义特征值问题，提出了一种新型阈值处理变体，有望更好地控制噪声敏感性。该方法通过在阈值处理前对广义特征值问题进行保特征向量变换（旋转）来提升性能。该研究团队通过在迭代量子Krylov算法中应用这种旋转阈值方案，对包括具有工业应用价值的Fe(III)-NTA螯合物复合体在内的多个化学体系进行了实证研究。研究人员开发了一种特殊启发式方法从噪声数据中选择旋转角度，发现在特定体系及噪声条件下，基态估计达到目标误差所需的样本量可降低高达100倍。此外，若获知最优变换信息，可实现更显著的改进——观测到样本需求降幅最高达10^4倍，这激励着持续开发能在实践中实现这些改进的方法。虽然该方法是在量子子空间对角化背景下提出的，但所改进的阈值方案对于任何需要求解含噪病态广义特征值问题的场景均具有潜在优势。