量子科技中心_量科网

随机哈密顿量模拟方法通常受到系统偏差与采样开销之间的权衡限制。该研究探讨了经典方差缩减技术如何应用于此类方法，同时保持其平均通道不变，从而不引入额外偏差。作为一种具有激励性的无偏估计量，本文提出了连续时间演化概率角度插值（continuous TE-PAI），这是一种准概率随机电路协议，其残余蒙特卡罗误差纯属统计性质。连续TE-PAI通过有限深度的随机电路消除了特罗特离散化误差，而确定性特罗特化仅在无限深度极限下才能实现这一点。此外，在张量网络模拟中，该工作证明，特罗特化模拟所需的键维数会因离散化误差而产生非物理的指数增长，而相同深度的连续TE-PAI电路则避免了这种增长。随后该团队证明，基于随机乘积公式的估计量的方差可以规范地分解为经典计数分量和量子排序分量，其中主要的模拟开销源自哈密顿动力学中的非对易部分。受此分解启发，该工作利用计数分量对小系统实现了约70%的误差缩减；而对n=30自旋链动力学的张量网络模拟则使用了针对可观测量和估计量定制的粗略统计数据，实现了可忽略的偏差和约80%的缩减，进而分别使采样成本降低了约91%和约96%。