Feynman's clock and hierarchy-informed sampling for quantum error mitigation

技术摘要：用于量子误差缓解的费曼时钟与层级启发式采样

问题陈述
近期的量子算法面临着显著的局限性，这源于当前硬件的噪声中规模量子（NISQ）特性，这种特性破坏了量子电路的物理执行。虽然量子纠错需要尚未实现的规模化设备，但高效的量子误差缓解（QEM）方案对于近期应用至关重要。现有的方法虽然存在根本性的限制，但仍是减少量子噪声的主要手段。本文旨在解决开发一种通用的 QEM 技术的需求，该技术能够缓解源自任意量子电路执行的噪声，从而将应用范围从以往仅限于特定自旋链模拟的情况扩展开来。

方法论
所提出的技术是对 BBGKY 启发式采样缓解（BBGKY-ISM）方案的一种扩展，通过三个阶段运行：

1. 通过费曼时钟进行电路-哈密顿量映射：
   作者将一个由 $N_G$ 个门组成的任意 $N_Q$ 量子比特电路 $U$，映射到受时不变哈密顿量支配的量子系统的时间演化上。这利用了费曼量子计算机构建理论，引入了一个包含 $N_C = \lceil \log_2(N_G + 1) \rceil$ 个辅助量子比特的时钟寄存器 $H_C$。系统在费曼时钟哈密顿量 $H$ 下演化，时钟状态追踪电路计算的进度。完整的动力学由 $|\psi(t)\rangle = e^{-itH}|\psi(0)\rangle$ 描述。

2. 通过 Hadamard 测试进行重构：
   该方法并非通过 Trotter 化来模拟时间演化（因为这会放大噪声），而是通过对原始电路的部分执行进行 Hadamard 测试来重构感兴趣的时间相关期望值。

• 数据寄存器上的 Z 测量被重新解释为单 Pauli-Z 算符的时间相关期望值，并投影到最终的时钟态 $|N_G\rangle_C$ 上。
• 这些量被分解为一组涉及 Pauli 串的“感兴趣量”。
• 通过 Hadamard 测试测量必要的矩阵元素的实部和虚部，从而避免了与深层 Trotter 切片相关的深电路深度问题。
• 最终的 Z 测量值通过对这些重构的时间演化量进行加权求和来提取，权重由时钟态的概率振幅决定，从而有效地消除了时间依赖性。

3. BBGKY 启发式采样缓解：
   通过 BBGKY-ISM 方案对 Hadamard 测试获得的噪声估计值进行缓解。

• 物理启发式分布： 该方法从编码了无噪声动力学的概率分布中采样缓解候选对象。该分布由一个作用量 $S(\vec{x})$ 定义，当配置 $\vec{x}$ 逼近理想的无噪声演化时，该作用量达到最小。
• 层级约束： 约束源自由 Pauli 串相关函数构成的类 BBGKY 运动方程层级。该层级将感兴趣的量与高阶相关函数联系起来。
• 模拟退火： 使用马尔可夫链蒙特卡洛程序（模拟退火）来采样使作用量最小化的配置。参数 $r$（半径）决定了包含层级中的多少层约束。较大的 $r$ 编码了更大部分的理想动力学，从而加强了对采样的约束。

核心贡献

• BBGKY-ISM 的泛化： 通过利用费曼时钟构建，本文将 BBGKY-ISM 方案从特定的自旋链模拟扩展到了任意量子电路。
• 高效的开销缩放： 作者证明了该方法的经典和量子开销均与电路规模（$N_G$）、量子比特数（$N_Q$）和时间步数（$N_T$）呈多项式缩放关系。具体而言，所需的 Hadamard 测试数量按 $N_Q \cdot \text{poly}(N_G)$ 缩放。
• 后处理性质： 该技术完全是一种后处理方法，允许其与现有的缓解方案耦合，或在数据采集后应用，而无需修改量子硬件的执行过程。
• 可控的误差降低： 该方法引入了一个可调参数 $r$（层级半径），允许用户控制缓解的强度。

结果
该方法在模拟 IBM Fez 处理器噪声模型的可调 Bell 态制备电路（$N_Q=2, N_G=2$）上进行了数值测试。

• 系统性降低： 结果显示，在所有测试的电路参数和层级半径下，量子误差均呈现系统性降低（$\Delta' < \Delta$）。
• 可调性： 误差降低能力随层级半径 $r$ 的增加而增强。这证实了编码更大部分的 BBGKY 层级能更有效地将采样约束向无噪声动力学靠拢。
• 自洽性： 在特定半径下（测试案例中为 $r=4$），方程组变得完全自洽（$z=1$）。此时，该方法退化为纯粹的经典数值计算，能够恢复精确的无噪声动力学，从而有效地忽略了量子噪声的贡献。

意义与主张
本文声称提供了一种全新的、通用型的量子误差缓解技术，该技术既高效（多项式缩放）又可控。通过将电路映射为哈密顿量动力学并利用物理启发式采样，该方法提供了一种系统化的方式来减少噪声，且无需在初始电路执行之外使用额外的量子资源。作者强调，该技术的有效性可以通过层级半径进行调节，使其能够适应不同的噪声水平和计算约束。这项工作表明其在更复杂的算法（如 Grover、Shor 算法）以及更深的变分 ansatz 中的潜在应用前景，并指出其作为后处理层与其他缓解策略的兼容性。