量子科技中心_量科网

近年来，基于样本的量子对角化（SQD）已成为计算问题哈密顿量基态和激发态的一种有前景的方法。该方法在由量子计算机获得的样本张成的子空间中对哈密顿量进行经典对角化。然而，由于自身特性，SQD存在一个根本性的采样问题：某些达到目标精度所需的基础态可能被采样的概率极低。为缓解这一限制，该工作引入了结合SQD与振幅放大（AA）的SQD-AA算法。SQD-AA通过振幅放大依次降低已测量比特串的概率，从而增加观测新比特串的可能性。该团队观察到，对于代数和指数衰减的模型分布，总查询复杂度降低了超过100倍，并分析表明后者具有二次方优势。此外，该研究在早期容错场景中评估了真实分子，并将SQD-AA与SQD及迭代量子相位估计（iQPE）进行了比较。在所有考虑的示例中，SQD-AA所需的总T门数量最低，且仅需比iQPE浅3-4个数量级的电路。鉴于与iQPE相比电路深度大幅降低，同时总运行时间比SQD节省两个数量级，该工作预计在早期容错场景中存在一个显著区间：SQD-AA可可靠运行，而iQPE电路因过深难以可靠执行。