利用垃圾信息提升量子误差缓解
量子物理
2024-02-19 v1
摘要
量子信息处理中的噪声构成了实现精确结果的主要障碍。量子误差缓解技术对于提高实验期望值的准确性至关重要。在实验中，常见观察到某些测量事件违反对称性约束等原则。这些事件可视为垃圾信息，应在后选过程中丢弃。本文引入一种名为 Self-Trained Quantum Noise Filter (SQNF) 的量子误差缓解方法，该方法利用垃圾信息区分实验人口分布中的误差，从而旨在逼近无误差分布。我们的数值结果表明，所提方法可显著降低相对于传统后选方法的人口分布保真度。值得注意的是，保真度的降低无需额外的实验资源消耗。该方法具有可扩展性，可适用于多量子比特计算系统。
引用
@article{arxiv.2402.10480,
title = {Leveraging junk information to enhance the quantum error mitigation},
author = {Ruixia Wang and Xiaosi Xu and Fei Yan and Xiaoxiao Xiao and Ying Li and Xiaoxia Cai and Haifeng Yu},
journal= {arXiv preprint arXiv:2402.10480},
year = {2024}
}