基于中性原子阵列的量子增强 $k$-独立集实例确定性推断

噪声量子退火实验在 Rydberg 原子阵列上产生的测量结果偏离理想分布， complicates 性能评估。为能够一种既考虑解质量又考虑从噪声测量中进行推断的经典计算成本的数据驱动基准方法，我们引入了确定性错误缓解 (DEM)，这是一种受实验噪声特征化信息驱动的 shot 级别推断程序。我们使用 $k$-独立集问题的判决版本演示了这一方法。在 Hamming 壳框架内，DEM 候选体积由比特翻转错误率的二进制熵控制，导致熵受控的经典后处理成本。使用实验测量数据，DEM 相对于经典推断基线显著降低了后处理开销。数值仿真和来自中性原子设备的实验结果验证了该方法随系统规模和错误率的预测比例尺。这些比例尺表明，一个小时的英特尔 i9 处理器的经典计算对应于最高可达 $N=250-450$ 个原子的中性原子实验，有效错误率可实现，直接基于成本的比较噪声量子实验和经典算法。