⚛️ quantum physics

Efficient quantum phase estimation with adaptive entanglement-assisted Hadamard test

本文提出了自适应纠缠辅助哈达玛测试（AEHT），这是一种通过迭代优化参考相位来克服传统方法精度限制和系统偏差的算法，从而实现在使用设备重启计数作为成本度量的情况下，利用近中端设备进行高效的高精度量子相位估计。

原作者： Hengzhun Chen, Benchi Zhao, Yingzhou Li

发布于 2026-10-02

📖 1 分钟阅读🧠 深度阅读

原作者： Hengzhun Chen, Benchi Zhao, Yingzhou Li

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

量子计算机有望解决经典机器需要数千年才能完成的问题，但它们是出了名的脆弱。为了运行，它们必须长时间保持精细的信息状态，而这一要求往往与当前硬件嘈杂的现实相冲突。这些机器最基本的任务之一是量子相位估计，这是一个用于从量子系统中提取特定值的过程。这项计算是破解密码和模拟分子等著名算法的核心引擎，然而，标准的执行方式要求计算机维持完美的相干性，其时间长到几乎是不可能的。由于当今的机器无法维持如此长时间的稳定性，科学家们转向了使用更短、更易于管理的电路的替代方法，即便这些方法需要多次重复实验才能获得精确的答案。

这类较短方法的挑战在于速度与精度之间的权衡。研究人员可以通过一种将多个粒子以特殊状态连接在一起的技术来加速过程，从而有效地放大他们试图测量的信号。然而，如果科学家最初没有一个非常好的预估，这种放大就是危险的。如果初始预估偏差过大，放大的信号就会变得混乱且无法解释，迫使研究人员使用更小、更慢的放大倍数。这造成了一个瓶颈：为了获得极高的精度，需要大的放大倍数，但如果不具备非常精确的初始预估，就不能使用大的放大倍数，而这恰恰是测量本身旨在提供的。

在一项新的研究中，研究员陈恒珍（Hengzhun Chen）、赵本奇（Benchi Zhao）和李英洲（Yingzhou Li）开发了一种解决这一循环问题的方案，称为自适应纠缠辅助哈达玛测试（adaptive entanglement-assisted Hadamard test）。该方法并非固守单一、固定的放大水平，而是像一个精炼循环。过程始于一个粗略的预估和一个较小的、安全的放大量。计算机执行测量，这会使对真实值的估计更加精确。这个改进后的估计值随后成为下一轮的新起点，允许研究人员安全地使用更大的放大因子。通过重复这个循环，该方法随着估计值的日益准确而逐步增加放大功率，从而能够使用大规模的纠缠粒子组而无须担心产生混乱。

团队还解决了现实世界中的一个常见问题，即机器准备的量子态并不完美。在这种情况下，信号通常比预期的要弱，这会引入一种无法仅通过增加实验次数来修复的系统误差。他们的自适应方法成功抑制了这种偏差，使得误差随着每一轮过程的进行而降低。为了衡量这些实验的真实成本，作者引入了一个名为“设备重启计数”（device-restart count）的新指标。在现代量子处理器上，实验中最耗时的部分不是电路运行的次数，而是整个机器必须重置并重新加载的次数。他们的模拟表明，通过使用这种自适应方法，与传统的固定方法相比，尤其是在需要高精度时，这些昂贵的重置次数显著下降。

研究人员通过在一个拥有 2,500 个量子比特的虚拟量子处理器上进行的数值模拟测试了他们的想法。他们发现，对于精确的量子态，该方法减少的机器重置次数随所需精度的提高而呈增长趋势，相比标准技术提供了巨大的效率提升。即使在量子态不完美的情况下，自适应方法依然能持续提高精度，而传统方法则会遇到一个硬极限，即无论增加多少数据都无法消除误差。研究结论指出，通过使参考相位适应当前的估计值，并以机器重置而非仅仅是原始数据点来衡量成本，这种方法为在当今嘈杂、不完美的硬件上实现高精度量子计算提供了一条切实可行的路径。

技术摘要：基于自适应纠缠辅助 Hadamard 测试的高效量子相位估计

问题陈述
量子相位估计（QPE）是诸如 Shor 分解算法和量子模拟等基础子程序的核心。然而，传统的 QPE 需要深层电路和随所需精度呈指数级增长的相干时间，这使得其在近期的量子设备上难以实现。标准 Hadamard 测试（SHT）提供了一种浅层电路的替代方案，但为了达到精度 $\epsilon$ ，其采样复杂度为 $O(1/\epsilon^2)$ 。纠缠辅助 Hadamard 测试（EHT）通过使用 $m$ 个量子比特的 Greenberger-Horne-Zeilinger (GHZ) 态来放大相位信号，从而在理论上将采样复杂度降低至 $O(1/(m\epsilon)^2)$ 。

尽管具有这种优势，但 EHT 面临一个关键限制：可行的放大因子 $m$ 受限于参考相位 $\vartheta$ 的精度。具体而言，为了避免 $\arcsin$ 函数出现歧义，必须满足条件 $m|\theta - \vartheta| < \pi/2$ 。在高精度机制下，粗略的参考相位迫使 $m$ 必须很小，从而抵消了纠缠带来的优势。此外，在实际场景中，由于制备的态并非精确的本征态，EHT 信号会被一个未知的振幅 $\rho < 1$ 所衰减。这引入了一种系统偏差，且无法通过增加采样次数来消除，从而为传统方法制造了一个误差底限（error floor）。最后，现有的基于“采样数”（shot count）的成本度量未能考虑到大型量子处理器的并行执行能力，而在这些架构中，真正的瓶颈通常是“设备重启计数”（即硬件必须进行初始化和重置的次数）。

方法论
作者提出了自适应纠缠辅助 Hadamard 测试（AEHT），这是一种旨在克服参考相位限制并处理不完美态制备问题的迭代算法。

迭代参考精炼： 该算法从一个粗略的参考相位 $\vartheta_0$ 和已知的确定界限 $\Delta_0$ 开始。在每一轮 $t$ 中，它根据当前的确定性选择一个安全的放大因子 $m_t$ （即满足 $m_t \Delta_t \leq \chi$ ，其中 $\chi < \pi/2$ ）。本轮的测量结果会精炼相位估计值，该估计值随后成为下一轮的参考相位 $\vartheta_{t+1}$ 。随着参考相位的改进（确定性 $\Delta_t$ 减小），算法允许使用更大的 $m_t$ ，从而实现渐进式的更强放大。
处理不完美态： 对于制备的态 $|\psi\rangle$ 不是精确本征态的情景，信号会被振幅 $\rho$ 衰减。AEHT 将误差分解为制备误差（不可消除）、统计误差和振幅诱导偏差。通过显式地为偏差分配预算，并选择 $m_t$ 使偏差保持在预设的目标精度的一定比例内，该算法能够系统地抑制每一轮中的偏差，这与固定放大倍数的算法不同，后者会撞上偏差底限。
成本度量： 本文引入了设备重启计数作为主要成本度量。这考虑到了在拥有 $Q$ 个量子比特的处理器上，可以并行运行多个独立的电路实例。重启次数 $R$ 是基于总采样数除以并行容量 $\kappa(m)$ 计算得出的，而 $\kappa(m)$ 取决于 GHZ 大小 $m$ 和系统量子比特数。

核心贡献

自适应放大： AEHT 算法能随着参考相位变得更加精确而动态增加 GHZ 态的大小，从而在无需预知相位的情况下，释放出大型纠缠态的全部放大能力。
偏差抑制： 该方法提供了一个在不完美态制备场景下抑制振幅诱导偏差的理论框架，使得估计误差可以随迭代过程持续下降，而传统的 EHT 则会出现非零的误差底限。
硬件感知型成本分析： 通过将成本度量从采样数转向设备重启计数，本文证明了自适应方案在可并行化的硬件架构中具有显著优势。
复杂度界限：
- 对于精确本征态，当未达到硬件极限时，总采样数规模为 $O(\log(1/\epsilon))$ （包含双对数因子）。
- 就设备重启计数而言，自适应方案的规模为 $O(1/\epsilon)$ （包含对数因子），相比之下，固定放大倍数的 EHT 规模为 $O(1/\epsilon^2)$ 。
- 当 GHZ 大小受限于可用量子比特数量（即 $m$ 饱和）时，规模会回退到 $O(1/\epsilon^2)$ ，但自适应方法仍保持着相对于固定放大倍数方法的常数因子优势。

结果
数值实验是在一个具有 $Q=2500$ 个量子比特的模拟量子处理器上进行的。

精确本征态： 与 SHT 和固定 $m$ 的 EHT 相比，AEHT 方法在设备重启计数方面表现出超线性的减少。随着目标精度 $\epsilon$ 提高，最大放大倍数 $m$ 也随之增加（例如，在 $\epsilon=10^{-2}$ 时 $m=11$ ，在 $\epsilon=10^{-4}$ 时 $m=1250$ ），即使在饱和后仍保持约两个数量级的重启计数优势。
不完美本征态： 在存在态制备保真度缺陷（ $\eta=0.01$ ）的情况下，固定 $m$ 的 EHT 和 SHT 方法会触及偏差底限，需要无限次的重启才能超越该底限。相比之下，AEHT 成功抑制了偏差，以更少的重启次数实现了更高的精度。
噪声鲁棒性： 包括去极化噪声和读取误差在内的模拟证实，虽然 SHT 的误差会因噪声积累而收敛到一个较差的值，但 AEHT 的误差能持续遵循理论上限，展现出了鲁棒性。

意义
本文声称为在近期量子处理器上实现高精度量子相位估计提供了一种高效方法。通过使参考相位适应当前估计值，并使用设备重启计数作为现实的成本度量，该工作使纠缠辅助相位估计在高精度领域变得切实可行。作者指出，这种方法特别适用于像中性原子阵列这样的平台，因为这类平台可以进行并行执行，但初始化和重新排列的成本很高。最后，论文提到未来的工作可能包括在真实的量子硬件上演示 AEHT 方法。

类似论文