高噪声体制下基于深度神经网络的量子误差缓解：Trotter化动力学
量子物理
2024-02-29 v2
摘要
我们探讨一种基于学习的量子误差缓解方法，其在后处理阶段应用深度神经网络，并研究其在不同类型量子噪声下的性能。我们聚焦于高噪声体制下二维自旋晶格的Trotter化动力学模拟，此时有界无迹观测量的期望值被强烈抑制。通过数值模拟，我们展示了去极化信道与非均匀Pauli信道下局部权重1与权重2观测量数据质量的显著改善。同时，相干串扰效应未被缓解，因此实践中应首先通过随机编译将串扰转换为非相干误差。
引用
@article{arxiv.2310.13382,
title = {Quantum error mitigation in the regime of high noise using deep neural network: Trotterized dynamics},
author = {A. A. Zhukov and W. V. Pogosov},
journal= {arXiv preprint arXiv:2310.13382},
year = {2024}
}
备注
16 pages, 9 figures