量子科技中心_量科网

量子态的制备是许多量子算法的基本需求。一种制备物理结构态的天然途径是基于实时或虚时演化等动力学过程的短时模拟。本研究提出了一种资源高效的框架，用于近似实现上述过程，即采用“领结变分量子时间演化”（bowtie VarQTE）方法，该方法在可能的情况下使用经典模拟，在必要时使用量子资源。该团队引入了一个框架，该框架利用现有的因果光锥，通过针对因果相关的子电路采用经典模拟方法，最大限度地减少了在评估梯度和量子几何张量项时所需的量子资源。这进而能够根据麦克拉克兰变分原理进行精确的参数更新，从而提高了数值稳定性。该团队与一种基于张量网络编译的Trotter算法的态制备方法进行了比较：近似量子编译（AQC）。在最近的研究中，该方法展现了令人印象深刻的性能。然而，其主要瓶颈在于需要拥有目标态的经典（近似）表示。该团队的数值实验表明，领结VarQTE可以在没有这一要求的情况下达到相当的保真度。该团队进一步说明了领结VarQTE如何能够促进一种态制备流程，该流程结合了虚时和实时演化的模拟，以用于基于样本的量子算法。事实上，在二维系统上的结果表明，与标准的基于样本的Krylov对角化计算相比，领结VarQTE能够减少量子资源需求。该团队的研究结果表明，VarQTE是一种有前景的用于制备物理结构量子态的方法，它通过利用现有结构及相关启用经典模拟的可能性，降低了对量子资源的要求。