基于经典学习代理的样本高效量子误差缓解

实现近期量子处理器上的实际量子实用性面临巨大挑战，因其固有的噪声。量子误差缓解 (QEM) 技术是 leading solution，能够以较低的量子比特开销提高计算保真度，而大规模量子纠错仍是遥不可及的目标。然而，QEM 技术在应用时会产生显著的测量开销，尤其是针对由经典输入参数化的量子电路家族。聚焦于零噪声外推 (ZNE)，一种广泛采用的 QEM 技术，本文构思了基于经典学习代理的 ZNE (S-ZNE)，它利用经典学习代理在纯古典侧执行 ZNE。不同于常规 ZNE，其测量成本随电路数量线性增长，而 S-ZNE 对于整个量子电路家族仅需常数测量开销，具有卓越的可扩展性。理论分析表明，在许多实际场景中，S-ZNE 的准确性可与常规 ZNE 相当，数值实验在最高 100 比特的基态能量和量子光谱学任务中验证了其有效性。我们的方法提供了一种可有效扩展到其他量子误差缓解协议的模板，为可扩展的误差缓解开辟了一条有前景的道路。