[论文解读] Enabling large-scale digital quantum simulations with superconducting qubits

Laurin E. Fischer|arXiv (Cornell University)|Feb 4, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

本论文开发基于 qudit 的超导量子硬件、优化的测量处理和误差缓解技术，以在嘈杂设备上推动数字量子仿真，并在 IBM Quantum 硬件上给出演示。

ABSTRACT

Quantum computing promises to revolutionize several scientific and technological domains through fundamentally new ways of processing information. Among its most compelling applications is digital quantum simulation, where quantum computers are used to replicate the behavior of other quantum systems. This could enable the study of problems that are otherwise intractable on classical computers, transforming fields such as quantum chemistry, condensed matter physics, and materials science. Despite this potential, realizations of practical quantum advantage for relevant problems are hindered by imperfections of current devices. This also affects quantum hardware based on superconducting circuits which is among the most advanced and scalable platforms. The envisaged long-term solution of fault-tolerant quantum computers that correct their own errors remains out of reach mainly due to the associated qubit number overhead. As a result, the field has developed strategies that combine quantum and classical resources, exploit hardware-native operations, and employ error mitigation techniques to extract meaningful results from noisy data. This doctoral thesis contributes to this broader effort by exploring methods for advancing quantum simulation across the full computational stack, including hardware-level innovations, refined techniques for noise modeling and error mitigation, and algorithmic improvements enabled by efficient measurement processing.

研究动机与目标

• 推动并解决在嘈杂超导硬件上推进量子仿真的方法，尤其是超导量子比特方面的问题。
• 开发硬件与软件栈以最大化数字仿真中的量子资源效率。
• 探索信息完备测量与 qudit-based 方法以改进电路综合与测量处理。
• 演示利用 IC 测量和学习的噪声模型的误差缓解策略在实际硬件上的效果。
• 为在实际噪声条件下实现可扩展、近容错的量子仿真提供见解。

提出的方法

• 开发基于 qudit 的完整量子计算框架，使用超导跨导电路（transmon）。
• 实现一个通用的 qudit 门集合，以实现高效的电路综合与信息完备（IC）测量。
• 通过 IC 测量提升对量子数据的经典处理，降低估计方差。
• 应用基于 IC 的误差缓解与噪声学习方案，以消除设备噪声模型中的不一致性。
• 在 IBM Quantum 硬件上演示两种误差缓解技术：用于基态估计的并行子空间展开，以及用于多体动力学的张量网络基线缓解。
• 提供一个基于张量网络的缓解管线，该管线依赖于准确的噪声通道模型并通过学习来提高修正的偏差与方差。

实验结果

研究问题

• RQ1 基于 superconducting transmons 的 qudit 计算如何提高量子仿真资源效率？
• RQ2 信息完备测量结合高级处理是否能在嘈杂的量子计算中降低方差、提高估计量质量？
• RQ3 在超导硬件上，哪些误差缓解策略对更大规模的量子比特数和更复杂动力学具有可扩展性？
• RQ4 学习的噪声模型在消除基于噪声模型的缓解技巧中的偏差方面能达到何种程度？
• RQ5 这些技术在当前硬件上对基态估计和多体动力学仿真的实际影响有多大？

主要发现

• 提供了一个使用跨导电路实现通用门集与 IC 测量的 qudit 基量子计算框架。
• 在后处理阶段利用 IC 测量减少观测量估计量的方差，而不需额外的量子资源，从而提高量子算法效率。
• 在 IBM Quantum 硬件上演示了两种基于 IC 的误差缓解：用于基态估计的并行子空间展开，以及用于多体动力学的张量网络管线。
• 提出一种新颖的噪声学习方案，纠正噪声模型中的不一致性，改善基于噪声模型的缓解的偏差与方差。
• 有证据表明在存在噪声的情况下数字量子仿真可以取得进展，且符合规范性的方法能为容错量子计算的策略提供指引。