Compilation-informed probabilistic logical-error cancellation
本文介绍了一种与电路、代码及编译器无关的量子误差缓解方案，该方案将拟概率方法与编译信息数据相结合，以实现具有恒定样本复杂度及与精度无关的资源开销的无偏、高精度无噪声期望值。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
量子计算机有望比我们现有的任何机器都更快地解决某些问题，但它们面临着一个顽固的障碍：它们极其脆弱。赋予这些机器力量的微妙量子态极易受到微小噪声的干扰，从而导致破坏结果的错误。为了构建一台真正实用的量子计算机，科学家们正在开发一种被称为“量子纠错”的安全网。这种技术利用许多物理组件来编码单个更可靠的“逻辑”信息单元，从而允许系统在错误发生时进行检测和修复。然而，构建一台完全具备纠错能力的机器需要巨大的资源和时间，这使我们处于一个尴尬的中间地带：硬件由于噪声太多而无法获得完美结果，但又复杂到无法忽视。研究人员现在正在探索如何从这些不完美的机器中获取有用的答案，而不必等待完美的硬件到来。
一个研究小组引入了一种新方法，旨在从这些嘈杂的早期阶段量子设备中挤出准确的结果。他们的方法被称为“编译告知的概率误差抵消”（compilation-informed probabilistic error cancellation），它解决了通常困扰量子计算的两个特定误差源：硬件本身固有的噪声，以及在将复杂问题转化为机器能理解的具体指令时引入的误差。在量子计算领域，“编译器”是一种软件工具，它将高层算法分解为硬件可以执行的基本操作序列。这个翻译过程从未完美，它会引入自身的小错误。通常，科学家将硬件噪声和这些翻译误差视为两个独立的问题，但这种新方法将它们视为一个统一的挑战。
其核心思想依赖于一种巧妙的统计技巧。研究人员并不是试图运行一次量子电路并寄希望于最好的结果，而是通过带有微小、经过计算的变动多次运行该电路。他们将机器实际执行的已知且带有噪声的指令，与其它可能的指令序列进行数学上的结合。通过为这些不同的运行分配正权重和负权重——就像通过收益和损失来平衡账本一样——他们可以抵消掉误差。其结果是对如果机器是完美状态下所能得到答案的一个估计。这种新方法的独特之处在于它如何处理翻译步骤。以往的技术要求翻译必须极其精确，这迫使计算机使用大量的步骤，从而迅速耗尽其有限的资源。而这种新方法允许翻译过程更加“粗糙”，这意味着它使用的步骤更少，同时仍能通过统计平衡行为在事后进行误差修正。
研究人员通过在计算机上模拟该过程证明了这种方法是有效的。他们在数学中一个被称为估计“琼斯多项式”（Jones polynomial，描述绳结形状）的经典问题上测试了它。在模拟中，他们将这种新方法与另外两种策略进行了对比：一种是仅仅接受误差，另一种是使用标准的纠错技术。结果显示，该方法可以使用显著更少的资源实现高精度的答案。具体而言，他们发现，为了获得更精确的答案，他们所需的模拟运行次数并不需要剧烈增长，而这通常是困扰其他方法的要求。在涉及一种特定绳结形状的测试案例中，他们的法成功地在期望的误差范围内估计出了答案，而标准方法即使在允许运行更多次的情况下也未能做到。
这项工作为下一代量子计算机指明了一条切实可行的路径。它表明，我们不需要等待机器变得完全静默，也不需要等待纠错技术变得完美无瑕，就可以进行有用的计算。通过承认将问题翻译成机器代码本身就是一种噪声来源，并通过设计一种考虑了该因素的修正策略，研究人员展示了我们可以从不完美的硬件中提取可靠的数据。该方法具有灵活性，可以与不同类型的量子代码和编译器配合工作，这意味着它可以随着技术的进步而进行调整。虽然目前的结果是基于模拟的，但其背后的数学证明为实际应用提供了坚实的基础，可能比此前预想的更早地开启化学和材料科学等领域的复杂计算。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。