量子科技中心_量科网

当前时代的量子计算机在能力与容量上持续增长。尽管取得了这些进展，环境噪声引起的错误严重限制了其实用性。当前针对错误缓解与纠正的研究旨在弥合当前时代量子计算机与执行噪声敏感工作负载之间的差距。这些方法存在显著的性能与资源开销，从而极大地限制了其实际应用价值。电路复制作为一种原始的错误缓解形式，并非新概念，且由于当前量子硬件的资源限制而基本上被忽视。然而，其简洁性作为补充现代方法的一种手段颇具吸引力，能够在保持错误缓解能力的同时降低整体性能开销。本文通过分析真实噪声环境下简单电路复制的效果，更好地确立了复制作为补充缓解策略的局限性。研究针对最大割问题的量子近似优化算法（QAOA）进行了分析。对于小规模图，研究发现，与6次复制相比，平均推理强度下降约21.8%，而平均标准差下降108.8%。对于较大规模的图，推理强度下降35.4%，而平均标准差仅下降20.5%。较少的复制次数对小规模图没有影响，但会降低推理强度，而对大规模图的标准差带来相当的改善。这些结果表明，复制作为大深度、高可变性工作负载的一种补充缓解策略具有潜在用途。