量子化学哈密顿量随机化测量方法的实用基准测试
量子物理
2023-12-13 v1
摘要
许多用于量子化学基态能量估计的量子-经典混合算法，需要通过在量子设备上进行测量来估计分子哈密顿量相对于某一量子态的期望值。为了指导针对这一可观测估计问题设计的测量方法的选择，我们提出了一种名为 CSHOREBench（用于可观测估计的公共态与哈密顿量基准，Common States and Hamiltonians for ObseRvable Estimation Benchmark）的基准测试，用于评估这些方法在一系列常见分子哈密顿量及量子-经典混合算法运行时遇到的常见态上的性能。在 CSHOREBench 中，我们通过制备态的测量来考量量子计算机的资源消耗，并通过提出测量方案和处理获取的测量结果的经典计算运行时间来考量经典计算机的资源消耗。我们将 CSHOREBench 应用于多种测量方法，测试了大小达 16 量子比特的哈密顿量。我们的讨论得益于决策图框架，该框架为各种随机化方法提供了高效的数据结构，并说明了如何在决策图上进行去随机化。在数值模拟中，我们发现决策图和去随机化方法是最优的。在 IBM 量子设备上针对小分子的实验中，我们观察到决策图将经典阴影所需的测量次数减少了 80% 以上，将局部偏置经典阴影所需的测量次数减少了约 57%，并且与去随机化方法相比，始终需要更少的量子测量次数以及更低的经典计算运行时间。此外，在考虑固定深度的随机量子 ansatz 态时，CSHOREBench 在运行上表现出经验效率。
引用
@article{arxiv.2312.07497,
title = {Practical Benchmarking of Randomized Measurement Methods for Quantum Chemistry Hamiltonians},
author = {Arkopal Dutt and William Kirby and Rudy Raymond and Charles Hadfield and Sarah Sheldon and Isaac L. Chuang and Antonio Mezzacapo},
journal= {arXiv preprint arXiv:2312.07497},
year = {2023}
}
备注
32 pages, 7 figures with supplementary material of 5 pages, 3 figures