克利福德数据回归方法在量子误差缓解中的应用扩展

《IEEE Transactions on Quantum Engineering》：Extension of Clifford Data Regression Methods for Quantum Error Mitigation

　　

摘要：

为应对实际量子设备中噪声带来的挑战，量子错误缓解技术发挥着至关重要的作用。这类技术资源消耗较低，因此适用于在存在噪声的中等规模量子设备中应用，而那些资源需求更高的量子纠错码则不太适用。其中一种典型的技术是克利福德数据回归，它采用监督学习方法。本研究探讨了该技术的两种变体，这两种变体都会在原始电路中引入一些复杂的门操作。第一种变体使用多个原始电路的副本，而第二种则增加了一层单量子比特旋转操作。从理论上分析了这些方法的多种特性，比如它们的复杂度以及误差随不同参数的变化情况。此外，还通过数值实验评估了这些方法的性能，结果显示其均能降低均方根误差。