通过自适应变分量子轨迹压缩模拟Lindblad动力学

在含噪声中等规模量子（NISQ）时代，开放量子系统的量子模拟受到耗散动力学非酉性质和近期量子处理器上可用量子资源有限的阻碍。在这项工作中，我们提出了一种在NISQ设备上模拟Lindblad动力学的资源高效算法。对于具有泡利耗散的开放量子系统，我们首先推导出一个紧凑且稳定的混合酉伴随信道，该信道近似目标耗散动力学，并通过轨迹采样实现无辅助比特实现。为了进一步减少实现采样轨迹所需的电路深度，我们引入了一个自适应变分量子轨迹压缩框架。在该框架中，训练一个深度自适应的参数化量子电路来近似重复的Trotterized哈密顿量模拟算子，然后用其替换采样轨迹中出现的重复酉段。重要的是，训练过程也可以在没有辅助量子比特的情况下执行。耗散量子$XY$模型的数值模拟证明了所提出算法的准确性和资源效率。我们的结果为在近期量子硬件上实现开放量子系统的无辅助比特和深度缩减模拟提供了一条实用途径。