Measurement-enabled online quantum processing with amplitude encoding

技术摘要：基于测量驱动的振幅编码在线量子处理

问题陈述
量子储层计算（QRC）利用量子系统的自然动力学进行时间信息处理。由 Fujii 和 Nakajima 提出的“振幅编码”方案是一个参考模型，其中输入在每个时间步通过对编码量子比特进行迹运算（tracing out）并准备一个由输入参数化的新状态来注入。虽然该方案在结合非线性编码化和状态收缩方面具有理论上的强大能力，但在真实硬件上实现这一方案一直难以达成。主要的挑战在于，每次输入更新都需要在不中断算法时间流的情况下对编码量子比特进行迹运算，同时还要监测系统观测值。现有方法通常依赖于“重演”（rewinding）协议，即通过滑动时间窗口重建动力学，这需要输入缓冲，并使性能取决于窗口大小和初始状态，从而无法实现真正的在线操作。

方法论
作者提出了一种实验性的在线处理设计，通过两个核心机制在量子硬件上实现振幅编码：

1. 用于振幅编码的中途测量与重置：
   该协议将可用的量子比特分为“输入-重置”量子比特和“记忆”量子比特。在每个时间步，输入通过作用于所有量子比特的酉变换进行编码。随后，输入量子比特被中途测量。至关重要的是，这些量子比特被立即重置为 $|0\rangle$ 态。作者证明，通过对这些重置操作的随机测量结果进行平均，在数学上引入了振幅编码映射所需的偏迹（partial trace）。这使得储层能够连续演化，而无需停顿等待输入更新。

2. 用于观测值获取的间接测量：
   为了在不破坏在线流的情况下监测储层的内部动力学，作者采用了间接测量方案。辅助量子比特通过受控相互作用（结合了一个由 $\alpha$ 参数化的旋转门和 CNOT 门）与记忆量子比特纠缠。随后对辅助量子比特进行测量并重置。该过程允许从记忆量子比特中提取观测值，同时控制测量反作用（退相干）。测量强度是可调的，范围从弱测量到投影极限。这一过程在数学上等同于之前在自旋系统中定义的连续变量辅助测量。

理论框架将系统建模为一系列完全正且保迹（CPTP）的映射，其中被监测的状态沿着由测量结果决定的量子轨迹演化。该协议通过数值模拟进行了验证，将所提电路模型与原始自旋模型进行对比，并在 IBM “basquecountry” 量子处理器（Heron r2，156 个量子比特）上进行了原理验证实验。

核心贡献

• 在线协议实现： 本文引入了一种硬件原生的协议，将振幅编码实现为动态电路，保持了在线操作并避免了对输入缓冲的需求。
• 通过重置实现偏迹： 它确定了中途测量加重置是实现振幅编码底层偏迹动力学的特定硬件原语。
• 可调监测： 该方案通过间接测量将内部储层动力学隔离到一个独立的通道中，实现了对整个系统（输入和记忆量子比特）的同时监测，从而能够研究测量反作用。
• 硬件实现： 作者提供了在超导量子比特上的原理验证实现，证明了该方法在当前含噪声中等规模量子（NISQ）设备上的可行性。

结果
作者在两个标准基准任务上评估了该协议：

1. Santa Fe 任务： 预测混沌时间序列。
2. 短期记忆（STM）任务： 存储并检索过去的信息。

• 模拟与理论对比： 使用 Qiskit 密度矩阵后端的数值模拟显示，对于输入量子比特（在投影测量下）和记忆量子比特（在间接测量下），结果与理论自旋模型动力学完美契合。
• 硬件性能： 在 IBM 硬件上的实验展示了接近理想自旋模型和电路模拟的结果。
  • 对于预测任务，硬件结果与模拟紧密匹配，微小的差距归因于 Trotter 化误差和有限的采样噪声（shot noise），而非硬件噪声。
  • 对于 STM 任务，在较高的记忆深度（$\eta \approx 5$）处出现了差异，此时硬件噪声的影响更为显著。
• 优化： 测量强度参数 ($g$) 针对每个任务进行了优化，预测任务的 $g=2.05$，STM 任务的 $g=0.256$，这与先前关于这些任务最优测量强度的发现一致。

意义
本文声称为可扩展的振幅编码量子储层计算硬件实现提供了一条切实可行的路径。通过将振幅编码与可调测量反作用成功结合在单一在线设计中，这项工作使得对作为受监测动力系统的复杂量子储层进行系统性的实验研究成为可能。作者强调，这种方法为观察完整系统演化并隔离内部储层动力学打开了大门，而这在以往的真实硬件上是难以实现的。这项工作并不声称解决了当前硬件的噪声限制，而是建立了一个功能性的在线 QRC 框架，可以随着硬件的改进而不断完善。