集成纠错流水线：156量子比特规模下门模型硬件上非平凡二元组合优化问题的量子优化

作者

Natasha Sachdeva, Gavin S. Hartnett, Smarak Maity, Samuel Marsh, Yulun Wang, Adam Winick, Ryan Dougherty, Daniel Canuto, You Quan Chong, G. Adam Cox, Michael Hush, Pranav S. Mundada, Christopher D. B. Bentley, Michael J. Biercuk, Yuval Baum

摘要

本文提出了一种新颖的混合量子-经典变分优化方法，用于在门模型量子计算机上求解无约束二元组合优化问题。该方法集成了以下关键组件：

• 定制变分拟设（custom variational ansatz）
• 分阶段反馈式双变分参数更新策略
• 高效参数化编译
• 硬件执行期间的自动误差抑制
• 可扩展的 O(n) 经典后处理，用于纠正位翻转错误

研究证明，若无此集成方法，标准电路在大规模执行时产生的输出与随机采样无法区分，从而确立了流水线中每个组件的必要性。

主要成果

研究团队在 IBM 超导量子计算机上对经典上非平凡的优化问题进行了基准测试，整个优化过程在硬件上执行，不使用经典模拟或对解的先验知识：

Max-Cut 问题

• 无权3-正则图：在多达 156 个节点的图上达到 100% 近似比
• 有权正则图：在多达 80 个节点的图上达到 100% 近似比
• 有权7-正则图：在多达 50 个节点的图上达到 100% 近似比

高阶二元优化

• 对匹配设备拓扑的 127 和 156 量子比特自旋玻璃模型（含线性、二次和三次相互作用项），成功找到基态能量
• 所有测试实例的近似比均达到 99.5% 以上

对比优势

• 在所有问题上持续优于经典局部求解器
• 在与已发表结果相同的实例上，表现出具有竞争力或更优的性能

结论

这些结果表明，经过适当工程化的方法能使门模型量子计算机在 156 量子比特规模下为非平凡二元优化问题产生高质量解，而朴素的实现方式在此规模下无法获得良好性能。

主题分类

Quantum Physics (quant-ph)

论文信息

• arXiv:2406.01743 [quant-ph]
• DOI: 10.1088/1367-2630/ae7150
• 首次提交日期：2024年6月3日（v1）
• 最后修订日期：2026年3月2日（v5，当前版本）
• 页面/图表：23页，11幅图