量子科技中心_量科网

基于分组测量的策略被广泛用于降低近期量子算法中的测量复杂度。虽然传统方案通常生成互不重叠的分组，但近期研究放宽了这一限制，提出了重叠分组或系数拆分方法，允许算符出现在多个兼容组中。最新数值研究表明，该策略能有效降低小型基准问题中能量估计的方差，这为该方法的应用与深入分析提供了动力。本文证明：在能量估计中采用重叠分组可实现与哈密顿量项数呈线性关系的最大方差缩减。该团队提出名为“重打包”的新算法，将现有分组转化为重叠分组，并证明在温和假设条件下该过程能迭代降低方差。通过包含44个量子比特和57.5万项的哈密顿量数值模拟，该团队在实际重要问题上评估了大尺度重叠分组效果。数据显示：相较于最先进的非重叠分组，方差缩减率随问题规模呈线性增长，表明重叠分组方法将成为百万量子比特级计算机乃至更大规模量子能量估计的强大策略。