通过更好的初始化减少基于量子比特的重叠分组方法中用于量子能量估计的量子测量

估计哈密顿量期望值的测量成本是变分量子算法中的一个核心瓶颈。分组策略显著降低了这一成本，其中重叠技术是该领域的最新技术。重叠分组方法需要i) 哈密顿量的非重叠分组，通常从排序插入（SI）算法作为初始化获得，以及ii) 从近似波函数构建协方差字典以指导优化。最近的研究表明，不同的初始化可能潜在地降低重叠方法的测量成本。受这些发现的启发，我们引入了方差感知SI（VarSI），这是一族协方差信息的非重叠泡利分组启发式算法，以减少测量次数。VarSI分组利用重叠方法已经需要的协方差字典来构建更好的非重叠组。我们提出了三种变体：一种全局贪心分组插入规则、一种方差感知SI类似物，以及一种从SI或我们的方差感知变体初始化的局部细化步骤。我们展示了使用我们的VarSI启发式算法生成的分组，通过迭代系数分裂（ICS）算法初始化重叠方法。包含130个哈密顿量的分子基准测试表明，与SI相比，非重叠测量一致性地改进了38%，并且当从VarSI组初始化时，下游ICS结果得到增强。我们发现，与标准的SI初始化相比，此处考虑的初始化使ICS的测量减少了高达70%，平均减少9-15.3%，具体取决于所使用的量子比特映射和协方差字典。这些结果表明，即使最终估计器使用重叠片段，非重叠分组仍然是一个重要的设计步骤。