影子增强型贪心量子本征求解器

虽然基态制备被期待是量子计算机的主要应用，但它也是许多容错算法的关键子程序。在早期容错体系结构中，逻辑测量仍然昂贵，这动机了那些高效利用每一次测量的自适应、测量节省的状态准备策略。我们引入了影子增强型贪心量子本征求解器（Shadow Enhanced Greedy Quantum Eigensolver, SEGQE），作为一种贪心、基于影子的框架，用于测量高效的基态制备。SEGQE 使用经典阴影来评估大量局部候选门所导致的能量降低，这些评估在并行且完全在经典后处理中进行，贪心地在每一步选择估计能量降低最大的门。我们对 SEGQE 推导了严格的最坕情况 per-iteration 样本复杂度界，显示其对候选门数量具有对数依赖。在有限横向场 Ising 模型和随机局部哈密顿量的集合上进行的数值基准测试表明，其收敛迭代次数大约随系统规模呈线性增长，同时保持高保真度的基态近似值和具有竞争力的能量估计。我们的方法既有严格的 per-iteration 保证，又有经验规模定律，表明 SEGQE 是一种适用于早期容错量子计算体系结构的测量高效状态准备基本块。