硬件噪声下的量子子空间扩展

在当前量子处理单元（QPU）上使用变分量子本征求解器（VQE）等算法寻找基态能量仍然面临挑战。硬件噪声严重影响了参数化量子电路的表达能力和可训练性，在实践中将其限制在浅层深度。在这里，我们证明通过将VQE与量子子空间扩展协同集成，可以解决这两个问题，从而在量子与经典计算能力和成本之间实现最佳平衡。我们在存在硬件噪声的情况下，对[K. Bharti and T. Haug, Phys. Rev. A {\bf 104}, L050401 (2021)]的迭代量子辅助本征求解器进行了系统的基准分析。我们在噪声模拟器和IBM QPU ibmq_quito（5量子比特）和ibmq_guadalupe（16量子比特）上确定了1D和2D混合场伊辛自旋模型的基态能量。为了最大化精度，我们提出了一个合适的准则，根据噪声重叠矩阵的迹来选择子空间基向量。最后，我们展示了如何通过基于概率误差减少的受控量子误差缓解，在噪声后端fake_guadalupe上系统地逼近精确解。