基于辅助比特热化的自动后选择

诸如数据分类与确定哈密顿量基态等任务无法通过纯幺正量子演化完成。相反，必须利用测量过程固有的非幺正性。后选择及其扩展提供了一种实现方式。然而它们对时间资源的利用低效——典型计算可能需要在 $m$ 个量子比特上进行 $O(2^m)$ 次测量以达到期望精度。我们提出一种受本征态热化假说启发的方法，利用对子系统测量所诱导的非线性。对 $m$ 个辅助(ancillae)量子比特的后选择被替换为对 $O(\log\epsilon / \log(1-p))$ 个量子比特的偏迹（其中 p 为测量成功的概率），以获得与后选择线路相同的精度。我们在量子感知机与相位估计算法上演示了该方案。此方法在涉及超导电路的当前量子计算机上尤为有利。