量子误差缓解：全面综述

《ACM Computing Surveys》：Quantum Error Mitigation: A Comprehensive Survey

　　

摘要AI 摘要

要查看此 AI 生成的摘要，您必须拥有高级访问权限。

了解更多登录

摘要

摘要

量子噪声对当前的近中期量子计算构成了重大挑战。因此，量子误差缓解（QEM）作为一种关键策略应运而生，提供了一种实用且有效的解决方案，用于减少误差影响并提升近中期变分量子电路（VQC）的性能。鉴于文献中尚缺乏关于这一重要主题的全面综述，本文提供了一份关于 QEM 的专题概述，涵盖 VQC 训练期间及训练之后的阶段。具体而言，在 VQC 训练期间，我们探讨并讨论了最优控制和动态退耦等关键 QEM 技术。在 VQC 的后处理阶段，我们将考察并讨论零噪声外推（ZNE）和概率误差消除（PEC）等缓解技术。对于每一种 QEM 技术，我们将研究其基本原理、缓解概念及最新进展。随后，我们还探讨了研究工具箱，包括 Mitiq 和 Qiskit Aer，并提供了一个案例研究，展示了上下文多臂老虎机引导的 ZNE。最后，我们讨论了持续存在的问题和未来研究方向，包括机器学习辅助缓解以及与误差校正的集成。本文旨在综合 QEM 的最新成果，提供跨方法的系统化见解，并规划通往误差弹性量子计算的潜在路径。

AI 摘要

AI 生成摘要（实验性）

本摘要由自动化工具生成，未经文章作者撰写或审核。它旨在支持文献发现，帮助读者评估相关性，并协助来自邻近研究领域的读者理解该工作。它旨在补充作者提供的摘要，后者仍是论文的主要摘要。完整文章仍是权威的记录版本。点击此处了解更多。

点击此处对本摘要的准确性、清晰度和实用性发表评论。您的反馈将帮助改进和未来的重新生成版本。

要查看此 AI 生成的通俗摘要，您必须拥有高级访问权限。