基于贪心与映射优化的自适应算法在旁观量子比特抑制随机电报噪声中的比较

在数据存储量子比特尽可能隔离、测量与控制最少的情形下，仍可利用额外噪声探针进行噪声抑制，仅在需要时施加校正。受固态量子比特案例启发，我们考虑由两态涨落器产生的退相干噪声（由随机电报过程描述）以及一个同样为量子比特的噪声探针，即所谓旁观量子比特（SQ）。我们建立理论模型，假设对 SQ 进行投影测量，并推导在噪声抑制有效 regime 下不同测量与控制策略的性能。我们从贪心算法入手，即总是最大化数据量子比特即刻未来相干性的策略。数值表明该算法表现优异，且其自适应策略可由仅含少数参数的更简算法良好近似。基于此及利用贝叶斯映射的解析构造，我们设计了一族单参数（$\Theta$）算法。在 SQ 高噪声灵敏度的渐近 regime 下，我们解析证明该 $\Theta$ 算法族将数据量子比特退相干速率降低的因子随灵敏度平方缩放。取 $\Theta$ 为其最优值 $\Theta^\star$，得到渐近 regime 下基于映射的优化自适应算法（MOAAAR）。我们解析与数值地表明，MOAAAR 优于贪心算法，尤其在 SQ 高噪声灵敏度 regime 下。