基于多拷贝协议的单位虚时演化与基态准备
计算机视觉与模式识别
2026-03-13 v1
摘要
高效的低能态准备是量子计算和量子模拟中的关键目标。量子虚时演化以抑制更高能态本征态的方式取代实时动力学。我们引入确定性单位化协议，以近似方式实现虚时演化，用于基态准备。该协议需要多个系统拷贝、在系统哈密顿量下的实时演化，以及受控-SWAP 操作（或更一般的 SWAP 生成的单位化）。我们分析两种具体电路族：一种具有可证明多项式深度收敛但快速增长宽度的树形架构，以及一种实现类似精度且仅以多项式宽度的紧凑“棘”形架构，经数值实验支持其构建。我们提供数值证据表明，中路后选可以以实际成功概率加速收敛。此外，我们演示电路体积可在基态准备场景下用于后电路可观测量估计的 shot 复杂度之间进行权衡。我们概述了具体的平台特定路径，其中多拷贝寄存器和 SWAP 中介耦合是自然的，从而说明这些混合模拟-数字电路如何在近期补充现有状态准备方法。
引用
@article{arxiv.2603.11206,
title = {Evidential learning driven Breast Tumor Segmentation with Stage-divided Vision-Language Interaction},
author = {Jingxing Zhong and Qingtao Pan and Xuchang Zhou and Jiazhen Lin and Xinguo Zhuang},
journal= {arXiv preprint arXiv:2603.11206},
year = {2026}
}