基于反馈的量子优化的阴影测量

提高量子算法性能是实现量子优势的基本任务。在许多情况下，由于对量子态全景测绘资源昂贵，提取量子系统信息在实际量子计算机的实际实现中提出了重要挑战。在此情况下，随机化测量作为一种有前景的工具。特别是经典阴影协议允许仅通过进行局部测量即可获取低权重Pauli可观测量的预期值。在本文中，我们采用Ket量子编程平台实现了最近引入的基于反馈的量子优化算法（FALQON），用于求解MaxCut优化问题。我们采用经典阴影进行参数估计的反馈例程，并将其与直接可观测量估计进行比较。我们的结果表明， Depending on MaxCut问题的图几何，采用经典阴影来估计可观测量的测量次数最多比直接可观测量估计低达16倍。此外，通过分析完全图，我们在数值上确认了所需测量次数相对于可观测量数量呈对数增长，这进一步证明了经典阴影可以是估计量子算法中低局域性Pauli可观测量的有用工具。