Pauli求和估计中的方差缩减方法
量子物理
2026-03-23 v1
摘要
精确地以尽可能少的测量次数估计量子可观测量的期望值是许多量子计算应用的关键。我们引入一个涵盖众多现有测量策略的框架，并引入可用于增强随机化方案的启发式方法，包括基于Pauli分组和逆概率加权的方案以及经典阴影算法的变体。我们展示如何在此类方案中最大化信息获取，同时精心优化可能测量的分布，表明简单分组算法可接近甚至在某些情况下超越基于标准量子化学基准的无偏期望值估计的SOTA精度。我们指出这些随机化方法可与最新测量方案（如阴影分组、去随机化阴影、重叠分组测量）进行比较，展示相同策略可用于增强这些方案，且通过演示我们可允许对Clifford测量电路，以原本不包含Clifford的方法实现测量成本降低最高可达50%。
引用
@article{arxiv.2603.20029,
title = {Variance reduction methods in the estimation of Pauli sums},
author = {Søren Fuglede Jørgensen and Rafael Emilio Barfknecht and Patrick Ettenhuber and Nikolaj Thomas Zinner},
journal= {arXiv preprint arXiv:2603.20029},
year = {2026}
}