量子科技中心_量科网

基于测量的量子计算（MBQC）是一种量子信息处理框架，其通过在高纠缠资源态上进行单量子比特测量来执行计算任务。由于量子测量结果的不确定性，这些操作产生的随机结果若不进行校正，将形成变分量子信道族。传统上，通过经典后处理来校正这种随机性，以确保确定的幺正计算。最近提出的变分测量量子计算（VMBQC）利用这种测量诱导的随机性，在生成建模中获得优势。该方法的局限在于，相比幺正模型，其对应信道模型的参数量翻倍（按N×D规模增长，其中N为逻辑量子比特数即宽度，D为VMBQC模型深度），这常导致优化难度增加并可能产生难以训练的模型。本文提出一种受限VMBQC模型，仅使用单个额外可训练参数便将幺正体系扩展至信道体系。该团队通过数值模拟和代数证明表明，这种最小化扩展足以生成对应幺正模型无法学习的概率分布。