Quantum Approximate Optimization Algorithm with Cat Qubits

技术摘要：基于猫比特（Cat Qubits）的量子近似优化算法

问题陈述
量子近似优化算法（QAOA）是目前在噪声受限的中等规模量子（NISQ）处理器上解决组合优化问题的领先候选方案。然而，其性能目前受到硬件噪声的限制，随着电路深度的增加，噪声会降低算法的有效性。虽然变分算法旨在运行于浅层电路，但若要实现更深的电路，则需要能够更好地容忍噪声的硬件实现。本研究调查了将量子比特编码进玻色子系统（特别是通过克尔非线性谐振器 [KNR] 实现的“猫比特”）是否能为解决如 MaxCut 等离散优化问题提供优于标准双能级系统量子比特的性能优势。

方法论
作者提出并模拟了一种使用猫比特实现的 QAOA，这些猫比特被编码在由驱动的克尔参数振荡器产生的相反振幅（$|\pm\alpha\rangle$）的相干态中。

• 编码与噪声偏差： 猫比特编码（具体为偶和奇宇称猫态的叠加）导致了“偏置噪声”。在单光子损耗这一主导误差机制下，噪声主要表现为相位（$\hat{Z}$）误差，而位翻转（$\hat{X}$）误差则被指数级抑制。
• 门实现： 研究利用了一套通用的猫比特门集：$R_Z(\phi)$、$R_X(\theta)$、$R_Y(\phi)$ 和 $R_{ZZ}(\Theta)$。这些门是通过 KNR 中的特定驱动和相互作用来实现的。
• 模拟策略：
  1. 小规模（原理验证）： 作者首先使用完整的林德布拉德（Lindblad）主方程模拟了一个两量子比特的 Exact Cover 问题，以验证该方法在单光子损耗下的有效性。
  2. 大规模（6, 8, 10 个量子比特）： 为了克服大规模系统下希尔伯特空间的指数级缩放问题，作者采用了泡利转移矩阵（PTM）形式化方法。他们表征了单光子损耗在计算子空间中诱导的误差通道，将连续时间演化转化为克劳斯算符（Kraus operators）。
  3. 公平比较： 为确保猫比特与标准量子比特之间的公平比较，作者调整了标准量子比特的弛豫率（$T_1$），使得其平均门保真度与猫比特（特别是在 $\alpha = 1.36$ 时）相匹配。这隔离了来自简单门保真度提升之外的噪声偏差带来的益处。

核心贡献

• 玻色子系统中的离散优化： 不同于以往侧重于连续变量优化的玻色子 QAOA 研究，本工作处理的是使用猫比特解决离散组合问题（MaxCut 和 Exact Cover）。
• 噪声偏差保持分析： 论文证明，虽然 $R_{ZZ}$ 门保留了噪声偏差（将单光子损耗转化为 $\hat{Z}$ 误差），但 $R_X$ 门并不能；它将 $\hat{Z}$ 误差转化为 $\hat{Z}$ 和 $\hat{Y}$ 误差的组合，从而使该特定门的噪声通道变得无偏。
• 性能基准测试： 研究针对随机 MaxCut 实例，提供了在控制平均门保真度的情况下，猫比特与标准量子比特 QAOA 性能的数值比较。

结果

• 近似比： 对于 6、8 和 10 个量子比特的随机 MaxCut 实例，使用猫比特实现的 QAOA 比使用标准量子比特实现的 QAOTA 获得了更高的平均近似比。
• 对深度的鲁棒性： 虽然两种系统的近似比最初都会随电路深度（$p$）增加而上升，随后因噪声累积而下降，但猫比特实现方案在所有测试的深度水平上均保持了更优越的性能。
• 误差机制： 这种性能优势归功于在典型的 MaxCut 电路中，$R_{ZZ}$ 门（保留噪声偏差）的数量超过了 $R_X$ 门（不保留噪声偏差）的数量。因此，猫比特中的主导误差机制保持为偏置型（$\hat{Z}$），而标准量子比特则遭受影响所有门类型的非结构化误差（$\hat{X}, \hat{Y}, \hat{Z}$）。
• 玻色子 QAOA 变体： 作者还探索了一种“真正玻色子化”的 QAOA 变体（对玻色子退火哈密顿量进行 Trotter 分解），但发现其并未比使用猫比特的标准 QAOA 方法带来改进，据推测其效率低下源于将谐振器状态映射回量子比特计算基底的难度。

意义与主张
论文声称，对于在近期的中等规模量子处理器上实现 QAOA，噪声偏置量子比特（如猫比特）优于标准量子比特。其主要意义在于证明了即使在需要非偏置保持门（如 $R_X$）的情况下，特定结构的偏置噪声（倾向于去相位）仍能增强离散优化问题的算法性能。作者认为这些结果很可能是与具体问题无关的，其他组合问题也会同样受益于这种性能差异。他们得出结论，该方法为使用现实的克尔谐振器参数实现 MaxCut 的近似比提供了一个具体的估算，为 NISQ 时代实现更深、更有效的量子电路提供了一条可行路径。