一种用于 NISQ 算法的有效读出误差缓解技术的开发与演示

近似态估计及密切相关的经典影子方法允许以相对较少的采样次数估计复杂可观测量。由于这些方法利用随机测量来对称化读出误差的影响，已证明它们可简化读出误差缓解方法，所需样本数随量子比特数增加仅以 $\mathcal{O}(1)$ 规模增长。然而，这些技术需要在每次采样时执行不同的电路，增加了通常难以承受的延迟，阻碍了其实用化。在本文中，我们考虑读出缓解期望值的近似态估计，以及如何在 Rigetti 量子计算硬件上最佳实现该过程。我们讨论了相关理论方面，明确计算了读出误差对估计期望值的影响及如何缓解该影响。利用 Rigetti 控制系统的改进，我们随后展示了该方法的高效实现。我们不仅发现可以抑制关联误差的影响并准确缓解读出误差，还发现可以快速完成：在不到 $1.5$ 分钟内收集并处理 $10^6$ 个样本。这一进展为具有此类随机化特征的方法的实际应用开辟了道路。