机构名称：
¥ 1.0
当前一代嘈杂的中间量子量子（NISQ）硬件的成功表明，即使没有错误校正，量子硬件也可能能够解决复杂的问题。一个杰出的问题是这些设备的复杂性增加引起的连贯错误。这些错误可以通过电路积累，从而使它们对算法的影响难以预测和减轻。迭代算法（如量子假想时间的演化）易受这些错误的影响。本文介绍了使用随机编译和缓解误差和纯化的噪声调整的组合。我们还表明，循环基准测试对纯度的可靠性进行了估计。我们将此方法应用于横向场ISING模型的量子假想时间演变，并报告了能量估计和基础状态，两者均低于1％。我们的方法是一般的，可用于其他算法和平台。我们展示了将噪声调整和缓解误差的结合如何推动NISQ设备的性能。
UC Berkeley
主要关键词
相关文件推荐
