摘要最近,我们发现了几种量子算法的候选者,这些算法可以在近期设备中实现,以估算给定量子状态的振幅,这是各种计算任务(例如蒙特卡洛方法)中的核心子例程。这些算法之一是基于并行化量子电路的最大似然估计。在本文中,我们扩展了此方法,使其结合了逼真的噪声效果,然后在超导IBM量子设备上进行实验演示。假设去极化噪声的模型构建最大似然估计器。然后,我们将问题提出为两参数估计问题,相对于目标振幅参数和噪声参数。特别是我们表明存在异常的目标值,其中Fisher信息矩阵变成退化,因此即使通过增加振幅膨胀的数量也无法改善估计误差。实验证明表明,提出的最大似然估计器在查询数量中实现了量子加速,尽管估计误差由于噪声而饱和。估计误差的饱和值与该理论一致,这意味着去极化噪声模型的有效性,从而使我们能够预测量子计算机中硬件组件(尤其是门误)的基本要求(尤其是栅极误差),以实现幅度估计任务中的量子加速。
主要关键词