利用特征向量连续方法实现更经济且更抗噪声的量子态准备
量子物理
2025-05-07 v3
摘要
子空间方法是一种强大且抗噪声的方法，可在量子计算机上有效准备基态。挑战在于如何使用最小的量子资源获取一个条件数较小的子空间，以覆盖感兴趣的状态。在本工作中，我们将利用特征向量连续(EC)方法从一组哈密顿量的低能态构建子空间。所需的基向量通过截断版本的标准态准备方法(如虚时演化[ITE]、绝热态准备[ASP]和变分量子本征值求解器[VQE])准备。通过将这些截断方法与特征向量连续组合，我们可以直接改进这些方法，在更低的成本下获得更精确的基态能量。我们使用多个自旋系统来演示即使在如 ITE 和 ASP 在水平级跨越以及能隙消失时失败时也能收敛的情况下，仍然有效。我们还展示了这种方法在获得更浅的量子电路带来的额外抗噪声优势。我们的发现表明，特征向量连续可用于改进现有的态准备方法。
引用
@article{arxiv.2406.17037,
title = {Cheaper and more noise-resilient quantum state preparation using eigenvector continuation},
author = {Anjali A. Agrawal and João C. Getelina and Akhil Francis and A. F. Kemper},
journal= {arXiv preprint arXiv:2406.17037},
year = {2025}
}
备注
20 pages, 20 figures