Fictitious Copy Quantum Error Mitigation

本文提出了一种名为“虚构副本量子误差缓解”（FCQEM）的新方法，该方法无需额外量子资源，仅通过对单次噪声电路采样进行经典后处理即可修正期望值，并能与量子计算矩（QCM）等技术互补，在模拟噪声及 Rigetti 84 量子处理器实验上成功恢复了分子和自旋模型的基态能量。

要点

这篇文章介绍了一种名为**“虚构副本量子误差抑制”（FCQEM）**的新方法，旨在解决当前量子计算机面临的最大难题：噪音。

想象一下，你试图在狂风暴雨中（噪音环境）用一台精密的望远镜（量子计算机）观察遥远的星星（计算结果）。风会让图像抖动、模糊，导致你看不清星星的真实位置。

传统的解决办法通常是：

1. 造更多的望远镜（增加量子比特资源）：但这太贵、太难了，就像为了看清星星，你不得不造一座巨大的天文台，这在目前的技术下几乎不可能。
2. 造两副望远镜同时看（虚拟蒸馏 Virtual Distillation）：这需要极其复杂的操作，就像你需要把两副望远镜的光线通过复杂的镜子系统合并，操作难度极高，稍微一点抖动就全乱了。

这篇论文提出的 FCQEM 方法，就像是一个“超级修图软件”，它不需要造新望远镜，也不需要两副望远镜，只需要在照片拍好后，用电脑算法“修图”就能把模糊的图像变清晰。

以下是用通俗语言和比喻对核心内容的解释：

1. 核心魔法：把“模糊照片”变成“高清照片”

比喻：把照片里的噪点“平方”化
想象你拍了一张很模糊的照片，照片里有一个很亮的主体（比如一个苹果），但周围有很多杂乱的噪点（噪音）。

• 普通方法：直接看照片，苹果和噪点混在一起，很难分清。
• FCQEM 方法：它做了一个神奇的操作——把照片里每个像素的亮度“平方”（乘以自己）。
  • 原本很亮的苹果（比如亮度 0.8），平方后变成 0.64（相对更亮了）。
  • 原本很暗的噪点（比如亮度 0.1），平方后变成 0.01（变得更暗了，几乎看不见）。
  • 原本极暗的噪点（比如亮度 0.01），平方后变成 0.0001（直接消失）。

结果：经过这个“平方”操作，原本模糊的照片中，主体（正确的信号）被放大了，而背景噪音被极大地压制了。最后，再把整张照片的亮度重新调整（归一化），你就得到了一张非常清晰的照片。

在量子计算机里，这个“亮度”就是测量结果的概率。FCQEM 不需要真的去运行两次量子电路（不需要额外的量子资源），它只需要把一次运行得到的概率数据，在电脑里“平方”一下，就能达到类似“运行两次并合并”的效果。

2. 为什么叫“虚构副本”？

传统的“虚拟蒸馏”需要真的把量子电路复制一份，让两个副本纠缠在一起，这需要大量的硬件资源。
FCQEM 说：“我不需要真的复制一份。”
它就像是你手里有一张模糊的地图，你不需要真的去复印一张一模一样的地图叠在一起，你只需要在脑海里（或者在电脑里）假设“如果我有两张一模一样的地图叠在一起，会发生什么？”
通过数学计算，它虚构出了这个“双副本”的效果。这就是“虚构副本”名字的由来——用纯数学（经典计算）模拟了物理上的“双副本”操作。

3. 它是怎么工作的？（三步走）

1. 拍照（运行量子电路）：让量子计算机运行一次，得到一堆带有噪音的测量结果（比如：测到状态 A 的概率是 30%，状态 B 是 20%，状态 C 是 50%... 但因为有噪音，这些数字不准）。
2. 修图（经典后处理）：
   • 把每个概率值平方（$P^2$）。
   • 因为正确的信号通常比较强（概率大），平方后占比更大；错误的噪音信号通常很弱，平方后几乎消失。
   • 把平方后的数字重新加起来，调整比例（归一化）。
3. 看图（得到结果）：现在你得到的概率分布非常尖锐，主要集中在正确的答案上。用这个修正后的分布去计算能量或结果，就得到了准确的答案。

4. 它和“量子计算矩”（QCM）是绝配

有时候，光靠“修图”（FCQEM）还不够。比如，如果你一开始选的“试错状态”（Ansatz）离正确答案太远，就像你拿着一张完全画错的地图去修图，修得再清楚也是错的。

这时候，作者把 FCQEM 和另一种叫QCM的方法结合在了一起：

• QCM 就像一个聪明的侦探，它擅长从一堆不完美、有噪音的线索中，通过复杂的推理（计算高阶矩）找出真相。
• FCQEM 就像给侦探提供了一副高清眼镜。

结合后的效果：

• 先用 FCQEM 把噪音过滤掉，让数据变干净。
• 再把干净的数据交给 QCM 去推理。
• 实验证明：在真实的量子芯片（Rigetti 84 量子比特）上，这种组合拳能极其精准地算出分子（如氦化氢 HeH+）和自旋模型的基态能量，误差极小，甚至达到了化学精度的要求。

5. 总结：为什么这很重要？

• 省钱省力：不需要增加任何昂贵的量子硬件，不需要更复杂的电路，只需要在电脑里多跑几行代码（经典后处理）。
• 通用性强：适用于很多需要找“最低能量状态”的问题，比如设计新药、新材料。
• 立竿见影：对于当前这种“噪音大、规模小”的量子计算机（NISQ 时代），这是一个非常实用的“急救包”。

一句话总结：
这篇论文发明了一种**“数学滤镜”**，它不需要给量子计算机增加任何硬件负担，只需在数据处理阶段把概率“平方”一下，就能像把模糊照片变清晰一样，把量子计算中的噪音过滤掉，让我们能用现在的机器算出更准的结果。

技术摘要

这是一份关于论文《Fictitious Copy Quantum Error Mitigation》（虚构副本量子误差抑制，简称 FCQEM）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心挑战：当前量子计算机（NISQ 时代）面临的主要障碍是噪声和误差，这会破坏量子关联并降低算法输出的信息质量，限制了量子算法的规模和类型。
• 现有方法的局限性：
  • 现有的量子误差抑制（QEM）技术（如虚拟蒸馏 Virtual Distillation, VD）虽然有效，但通常需要额外的量子资源。例如，VD 需要制备多个量子态副本、执行深度纠缠电路（如受控置换门）以及进行大量的测量，这在当前硬件上成本极高且难以扩展。
  • 其他方法（如零噪声外推 ZNE）需要运行不同噪声水平的电路，增加了采样开销。
• 研究目标：开发一种无需额外量子资源、仅依赖经典后处理即可有效抑制噪声的方法，特别是针对本征值（如基态能量）的测量问题。

2. 方法论 (Methodology)

作者提出了**虚构副本量子误差抑制（FCQEM）**方法，其核心思想是将虚拟蒸馏（VD）的数学原理转化为纯经典的概率分布处理。

• 理论基础：

  • 虚拟蒸馏（VD）的近似：VD 通过测量 $\rho^2$（密度矩阵的平方）来放大主本征态。FCQEM 将 VD 中的纠缠算符 $S$ 进行级数展开，并截断至一阶。
  • 经典等价性：在一阶近似下，VD 的效果等价于对测量得到的概率分布进行平方并归一化。
  • “虚构”副本：FCQEM 不需要物理上制备两个量子态副本。它通过采样一次噪声量子电路，然后在经典后处理中将概率分布平方（$p_i \to p_i^2$），从而在数学上模拟了“两个副本”的效果。

• 具体步骤：

  1. 在量子处理器上运行电路，在计算基（或特定 Pauli 基）下测量，获得离散概率分布 $\{p_i\}$。
  2. 经典后处理：
     • 对于每个测量结果 $i$，计算 $p_i^2$。
     • 对平方后的概率进行归一化：$p'_i = \frac{p_i^2}{\sum_j p_j^2}$。
     • 利用修正后的概率分布重新计算期望值：$E[M] \approx \sum \lambda_i p'_i$。
  3. 结合 QCM：为了克服 FCQEM 对试态（Trial State）的依赖性（即如果试态在测量基下分布不尖锐，FCQEM 效果有限），作者将其与**量子计算矩（Quantum Computed Moments, QCM）**方法结合。FCQEM 先对矩（$\langle H^k \rangle$）进行去噪，再输入 QCM 算法计算基态能量。

• 适用条件：

  • 该方法在测量基下概率分布**尖锐（sharply peaked）**时效果最佳（即试态接近本征态）。
  • 特别适用于对角占优的哈密顿量（如全组态相互作用 FCI、Ising 模型），其中计算基是主要的测量基。

3. 主要贡献 (Key Contributions)

1. 零量子资源开销：FCQEM 完全不需要额外的量子比特、纠缠门或重复运行电路，仅通过经典后处理实现，极大地降低了实施门槛。
2. 理论突破：证明了截断的虚拟蒸馏在特定条件下（本征态或分布尖锐时）等价于对概率分布的平方操作，并推导了其在非本征态下的误差行为。
3. 混合策略（FCQEM + QCM）：
   • 发现 FCQEM 可以修正 QCM 对病态噪声（如导致电荷态混合的退极化噪声）的敏感性。
   • QCM 可以弥补 FCQEM 在试态不完美时的不足，两者结合能恢复更广泛的试态下的基态能量。
4. 通用性：该方法不仅适用于量子系统，其“平方分布以增强峰值”的机制在经典概率分布处理中也具有通用性。

4. 实验结果 (Results)

作者在数值模拟和真实硬件上进行了广泛验证：

• 数值模拟（HeH+ 分子）：
  • 在完全退极化噪声下，FCQEM 能几乎完美恢复精确基态能量，与完整的 VD 结果高度一致。
  • 即使试态不是精确本征态（如旋转后的态），FCQEM 也能将期望值拉向最近的基态能量，表现出对试态的鲁棒性。
• 真实硬件实验（Rigetti 84 量子比特处理器）：
  • HeH+ 分子（4 量子比特）：在长键长下，噪声会导致 QCM 错误地收敛到负电荷态。FCQEM 通过锐化分布，成功抑制了非目标电荷态的贡献，使 FCQEM+QCM 组合在所有键长下均恢复了精确基态能量（误差 $< 10^{-5}$ Ha）。
  • 横向场 Ising 模型（10 量子比特）：
    • 在零场（$h=0$）下，FCQEM 单独表现优于 QCM。
    • 随着外场增加，QCM 表现更好。
    • 组合效果：FCQEM+QCM 在所有场强下均优于单一方法，将基态能量恢复精度提高至 0.3% 以内。
• 可扩展性模拟：
  • 自旋模型：在高达 1024 量子比特的稳定子模拟器中，FCQEM 在 100,000 次采样下，能有效纠正双量子比特误差率为 $10^{-2}$（NISQ 水平）的噪声。
  • 水分子（H2O）：模拟显示，FCQEM 与 QCM 结合可将能量误差降低两个数量级，达到化学精度（$10^{-3}$ Ha），且对退极化噪声不敏感。

5. 意义与结论 (Significance)

• 低成本、高扩展性：FCQEM 提供了一种极其轻量级的误差抑制方案，无需增加硬件负担，即可显著提升当前量子处理器的计算能力。
• 互补性：它不是要取代现有的 QEM 技术，而是作为一种通用的“预处理”或“后处理”层，与 QCM 等高级算法结合，解决单一方法无法处理的病态噪声问题。
• 物理洞察：该工作揭示了量子误差抑制中“经典后处理”的巨大潜力，表明通过简单的概率分布操作（平方归一化）即可在数学上模拟复杂的量子纠缠操作（如虚拟蒸馏），为理解近中期量子算法的误差抑制机制提供了新视角。
• 应用前景：特别适用于量子化学（寻找基态能量）和自旋模型模拟，是未来在 NISQ 设备上实现实用量子优势的关键工具之一。

总结：FCQEM 是一种创新的、基于经典后处理的量子误差抑制技术，它通过“虚构”量子副本（即对概率分布平方）来模拟虚拟蒸馏的效果。实验证明，该方法在无需额外量子资源的情况下，能显著恢复受噪声影响的基态能量，且与 QCM 结合后具有极高的鲁棒性和精度，为当前量子硬件的实用化提供了强有力的支持。