在噪声量子处理器上具有不变概率误差消除功能的变分量子算法

《Science China-Physics Mechanics & Astronomy》：Variational quantum algorithms with invariant probabilistic error cancellation on noisy quantum processors

量子噪声环境下提出噪声适应策略，通过结合概率误差抵消（PEC）与量子近似优化算法（QAOA），设计不变采样电路（IPEC）降低迭代方差，并引入自适应部分PEC（APPEC）动态调节误差抵消比例，在超导量子处理器实验中使采样成本降低90.1%，同时增强跳出局部极值的能力，为低噪声量子电路执行VQAs提供新路径。

　　

摘要

在噪声较大的中等规模量子时代，新兴的经典-量子混合优化算法（如变分量子算法VQAs）可以利用量子设备的独特特性，加速针对特定问题的计算，尤其是那些使用浅层电路的计算。然而，由于量子处理器中的噪声较大，这些算法会遇到偏差和迭代困难。在没有错误校正的情况下，这些问题只能通过优化硬件、降低电路复杂性或进行拟合和外推来部分解决。一种有吸引力的解决方案是应用概率误差消除（PEC）技术，这是一种量子误差缓解技术，可以在不进行完全错误校正的情况下获得无偏差的结果。传统的PEC技术由于其方差放大效应，在VQAs中难以应用，因为这与迭代过程的假设相矛盾。本文提出了一种新型的适应噪声的策略，将PEC与量子近似优化算法（QAOA）结合在一起。该策略通过不变采样电路（invariant-PEC，简称IPEC）实现，显著降低了迭代方差。这是PEC与QAOA首次成功结合的案例，从而实现了高效的收敛。此外，我们还引入了自适应部分PEC（APPEC）技术，可以在迭代过程中调节PEC的误差消除比例。我们在超导量子处理器上对这项技术进行了实验验证，采样成本降低了90.1%。值得注意的是，我们发现通过APPEC动态调整误差水平可以提高逃离局部最小值的能力，并进一步降低采样成本。这些结果为使用大规模、低噪声量子电路执行VQAs开辟了有前景的道路，为实用量子计算的发展奠定了基础。