利用量子算法中重复结构增强的基于外推的量子误差缓解

量子误差缓解是一项抑制误差的关键技术，特别是在含噪中等规模量子器件中，它能够在没有完整纠错开销的情况下实现更可靠的量子计算。我们在此工作中主要考虑的零噪声外推 (ZNE) 是一种著名的量子误差缓解方法。对于具有深电路的算法——例如涉及多次预言机调用的迭代量子算法——ZNE 的有效性在高噪声下会显著降低。基于此类低保真度数据的外推通常会产生不准确的估计，并需要大量开销。在本研究中，我们提出了一种轻量级的、基于外推的误差缓解框架，专为由重复操作块组成的结构化量子算法量身定制。所提出的方法使用浅层电路来表征重复核心操作块的误差，而不是整个算法的误差。外推用于估计块保真度，随后重构缓解后的成功概率。我们通过在 IBM 的 Aer 模拟器上模拟 6 量子比特 Grover 算法验证了我们的方法，随后在基于 Eagle r3 的真实 127 量子比特 IBM Quantum 系统上于物理噪声环境中进一步评估了该方法。我们的结果，特别是来自 Aer 模拟器的结果，表明核心块的误差遵循高度一致的指数衰减。这使得我们的技术能够实现稳健的误差缓解，克服了传统 ZNE 的局限性，后者通常因重度噪声下近随机行为的统计不可靠数据而受损。在低噪声条件下，我们的方法接近理论成功概率，优于 ZNE。在高噪声条件下，ZNE 因其外推数据的过拟合而无法缓解误差，而我们的方法实现了超过 20% 的更高成功概率。