低开销的算子反向传播与电路切割

当前量子计算机因缺乏纠错而存在噪声问题。研究了多种缓解噪声影响的技术，特别是用于提取可观测量的期望值。其中一种技术——电路切割——将大型电路分割为更小、噪声更低的子电路，但电路执行次数的指数增长限制了其可扩展性。另一种方法——算子反向传播（OBP）——通过经典模拟减少电路深度，但由于更新后的可观测量中额外的非对易项，往往导致电路执行次数增加若干倍。本文提出了一种结合算子反向传播（OBP）与电路切割的优化方法，用于最小化量子电路中的噪声。我们证明，OBP与电路切割的战略结合可以缓解执行开销。通过采用模拟退火方法，所提出的方法为特定电路和可观测量识别最优反向传播参数，最大化切割中的资源缩减。结果表明，对于变分量子本征求解器（VQE）和哈密顿量模拟电路，资源需求分别降低了3倍和10倍，同时保持甚至提升了精度。该方法对Benchpress数据库中的其他电路和各种可观测量权重也产生了类似的节省，提供了一种在不牺牲性能的情况下降低电路切割开销的有效方法。