HAMMER：利用错误结果的汉明特性提升含噪量子电路保真度
量子物理
2022-08-22 v1 硬件体系结构
摘要
具有数百量子比特的量子计算机即将问世。遗憾的是，高器件错误率给在近 term 量子系统上运行真实应用带来了重大挑战。在现有量子系统上执行程序会产生正确与不正确结果，但输出分布通常过于嘈杂而难以区分二者。本文中，我们表明错误结果并非任意，而是在汉明空间中呈现明确结构。我们在 IBM 与 Google 量子计算机上的实验显示，最频繁出现的错误结果更可能在汉明空间中接近正确结果。我们利用该特性提升了推断正确结果的能力。我们提出汉明重构（HAMMER），一种利用汉明特性观测来重构含噪输出分布的后处理技术，使所得分布具有更高保真度。我们使用来自 Google 与 IBM 量子计算机、超过 500 个独特量子电路的实验数据评估 HAMMER，获得解质量平均 1.37 倍提升。在 Google 公开可用的 QAOA 数据集上，我们展示 HAMMER 锐化了代价函数景观上的梯度。
引用
@article{arxiv.2208.09371,
title = {HAMMER: boosting fidelity of noisy Quantum circuits by exploiting Hamming behavior of erroneous outcomes},
author = {Swamit Tannu and Poulami Das and Ramin Ayanzadeh and Moinuddin Qureshi},
journal= {arXiv preprint arXiv:2208.09371},
year = {2022}
}