[论文解读] Efficient and practical verification of quantum processes
本文提出了两种高效且实用的协议,用于仅通过局部测量验证量子过程(如量子线路和量子门),相较于标准量子过程层析成像实现指数级加速,相较于直接保真度估计实现二次改进。该方法可在当前实验能力下实现可靠验证,并自然扩展至验证量子测量。
Quantum processes, such as quantum circuits, quantum memories, and quantum channels, are essential ingredients in almost all quantum information processing tasks. However, the characterization of these processes remains a daunting task due to the exponentially increasing amount of resources required by traditional methods. Here, by first proposing the concept of quantum process verification, we establish two efficient and practical protocols for verifying quantum processes which can provide an exponential improvement over the standard quantum process tomography and a quadratic improvement over the method of direct fidelity estimation. The efficacy of our protocols is illustrated with the verification of various quantum gates as well as the processes of well-known quantum circuits. Moreover, our protocols are readily applicable with current experimental techniques since only local measurements are required. In addition, we show that our protocols for verifying quantum processes can be easily adapted to verify quantum measurements.
研究动机与目标
- 为解决量子过程表征问题,该问题在传统方法中因资源呈指数级增长而变得不可行。
- 开发一种实用的验证框架,以减少评估量子操作(如量子门和线路)的资源需求。
- 通过仅使用局部测量实现验证,使协议与现有实验量子技术兼容。
- 将验证框架扩展至包括量子测量,从而扩大其在量子信息处理中的适用范围。
提出的方法
- 提出量子过程验证的概念,作为全量过程层析成像的可扩展替代方案。
- 设计两种基于态制备与测量技术的协议,仅需局部操作和经典通信。
- 采用专为过程验证定制的保真度估计策略,避免对完整过程重建的需求。
- 利用类似随机基准化的技术,以高置信度高效估计过程保真度。
- 通过在对偶框架中将测量视为过程,将协议适配以验证量子测量。
- 通过最小化所需实验设置和测量次数,确保协议的鲁棒性与高效性。
实验结果
研究问题
- RQ1与标准量子过程层析成像相比,能否以显著降低的资源开销实现量子过程验证?
- RQ2验证协议能否仅通过局部测量实现,从而与当前量子硬件兼容?
- RQ3与现有方法(如直接保真度估计)相比,协议在保真度估计效率方面能实现多大程度的提升?
- RQ4该框架能否扩展至验证量子测量以及幺正过程?
- RQ5这些协议在真实量子线路和量子门中的可扩展性与实用性如何?
主要发现
- 所提出的协议在资源效率方面相较于标准量子过程层析成像实现了指数级改进。
- 相较于直接保真度估计方法,展示了资源缩放的二次改进。
- 仅通过局部测量实现验证,使协议在当前量子技术下具备实验可行性。
- 协议成功应用于验证多种量子门和著名量子线路,展示了其实际应用价值。
- 该框架可自然扩展至验证量子测量,从而拓宽其在量子信息验证中的适用范围。
- 协议在显著少于全量层析成像所需实验设置的情况下,仍能保持保真度估计的高置信度。
更好的研究,从现在开始
从论文设计到论文写作,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。