量智信息中心_量科网

该研究提出了一种集成特征选择方法，用于快速估计对合多量子比特门（包括非克利福德目标）的过程不保真度，而标准的基于克利福德的基准测试不适用于此类门。该方法通过离线训练一个基于物理启发的噪声信道集成模型，从候选池中选择一组可实验执行的紧凑电路测量集，并通过岭回归学习权重将其组合成线性估计器。训练集成是协议中一个明确且可调谐的组件，整合了关于主要硬件噪声机制的先验知识。该估计器在ibm_kingston设备上使用两个与编译后CCZ电路结构相关的克利福德验证基准进行了验证，并对比了独立的交叠随机基准测试。结果显示，在0.02至0.2的过程不保真度范围内，估计精度约为0.01，EFS与IRB结果高度一致。随后，该团队将EFS直接应用于同一设备上的CCZ门。