机构名称：
¥ 4.0
量子误差缓解已被提出，作为通过经典的多个量子电路的经典后处理结果来应对近期量子计算中不必要和不可避免的错误的手段。它以一种不需要或几个其他量子资源的方式来做到这一点，而耐心的方案与大型开销相比。误差缓解导致量子计算小方案的降噪。在这项工作中，我们确定了强大的限制，可以对较大的系统大小有效地“撤消”量子噪声的程度。我们首先提出一个正式的框架，该框架严格封装了大量有意义且实际应用的方案，以减轻量子误差，包括虚拟蒸馏，cli€ord数据回归，零噪声外推和概率误差取消。有了框架，我们的技术贡献是构建对噪声高度敏感的随机电路家族，从某种意义上说，即使在对数log（n）深度下，超越恒定的晶须也可以超过量子噪声，可以超过昂贵地将其输出迅速拼凑到最大混合状态。我们的结果呈指数收紧文献中用于误差的论点，但它们超出了这一点，但它们超越了：通过修改，我们的论点可以应用于量子机器学习的内核估计，或者可以计算出贫瘠的高原出现的深度，这意味着由于噪声而造成的噪声较小，因此在较小的噪声中，比较较小的探索。有一些经典算法在复杂性方面表现出相同的缩放。最后，我们的结果还说，必须对嘈杂的设备进行指数级的次数（在可观察到的轻度孔中的门数）以估计可观察到的期望值。虽然量子硬件中的启用将降低噪声水平，但如果使用错误缓解，则与经典算法相比，这只能导致指数时间算法具有更好的指数，从而对在这种情况下的指数量子加速有很大的障碍。
在限制量子错误缓解的限制
主要关键词
相关文件推荐
