无假设的硬件噪声特征化保真度上界

在量子优越 regime 中，量子计算机若能估计、缓解或纠正不可避免的硬件噪声，便可在多个任务上超越经典机器。然而，估计误差需要经典仿真，而在量子优越 regime 中经典仿真变得不可行。我们利用机器学习数据驱动方法和保形预测（Conformal Prediction），这是一种假设较为宽松且具有有限样本有效性的机器学习不确定性量化工具，来寻找量子设备无噪声输出与有噪声输出之间保真度的理论有效上界。在合理的外推假设下，所提出的方案适用于任何量子计算硬件，无需建模设备的噪声源，亦可在经典仿真不可用时使用（如量子优越 regime）。