[论文解读] Variational preparation of finite-temperature states on a quantum computer
该论文提出了一种变分量子算法,通过单位门演化生成热场双态(TFD)态,在超导量子处理器上制备有限温度的吉布斯态。受QAOA启发的混合量子-经典优化方法在从无穷大到接近零的逆温度范围内,实现了对目标热态75%至99%的保真度,实验与基于真实噪声模型的数值模拟均验证了该方法的有效性。
The preparation of thermal equilibrium states is important for the simulation of condensed-matter and cosmology systems using a quantum computer. We present a method to prepare such mixed states with unitary operators, and demonstrate this technique experimentally using a gate-based quantum processor. Our method targets the generation of thermofield double states using a hybrid quantum-classical variational approach motivated by quantum-approximate optimization algorithms, without prior calculation of optimal variational parameters by numerical simulation. The fidelity of generated states to the thermal-equilibrium state smoothly varies from 99 to 75% between infinite and near-zero simulated temperature, in quantitative agreement with numerical simulations of the noisy quantum processor with error parameters drawn from experiment.
研究动机与目标
- 在近期量子计算机上实现热平衡(吉布斯)态的制备,这对于模拟量子多体系统至关重要。
- 克服仅靠酉操作无法生成如吉布斯态等混合态的根本限制。
- 展示一种可扩展的变分方法,通过利用混合量子-经典反馈,避免了对参数进行先前的数值优化。
- 在基于transmon的量子处理器上实验验证该方法,并与考虑噪声的数值模拟进行比较。
提出的方法
- 该方法利用热场双态(TFD)态——在两个相同系统上制备的纠缠纯态——其中对一个系统进行部分迹操作可得到所需的吉布斯态。
- 采用受量子近似优化算法(QAOA)启发的变分量子算法,通过在两个系统内部及之间交替应用酉操作,制备TFD态。
- 通过经典反馈优化变分参数,无需依赖数值模拟预先获得的最优参数。
- 该协议在超导量子处理器上实现,使用单量子比特和双量子比特门,并应用误差缓解技术以减轻退相干和泄漏效应。
- 在模拟中引入噪声模型,使用实验测得的T1、T2和残余ZZ串扰参数,包括对|2⟩态的泄漏。
- 对两量子比特系统执行态层析,通过一种映射方法将泄漏态投影到混合量子比特态上,以考虑泄漏的影响。
实验结果
研究问题
- RQ1能否仅使用酉操作在近期量子计算机上制备有限温度的吉布斯态?
- RQ2变分量子算法能否在无需预先数值优化参数的情况下制备热场双态?
- RQ3所制备态的保真度如何随温度变化,与考虑噪声的模拟结果相比如何?
- RQ4在超导量子比特中,泄漏和退相干效应在多大程度上会降低态制备的保真度?
- RQ5当存在泄漏时,实验态层析能否准确重构混合态?
主要发现
- 变分方法制备热场双态在无限温(β → 0)时对目标热态的保真度达到99%,随温度趋近于零(β → ∞)平滑下降至75%。
- 实验测得的保真度与包含T1、T2和残余ZZ串扰等真实噪声参数的数值模拟结果定量一致。
- 识别出对|2⟩态的泄漏是主要误差来源,并在态层析重构过程中显式建模并校正了其影响。
- 该方法成功制备了有限温度态,无需大型外部热库,也无需预先知晓最优变分参数。
- 通过使用实验测得的系数引入泄漏效应和读出误差,仿真框架准确复现了实验结果。
- 混合量子-经典方法在广泛的逆温度范围内实现了鲁棒的态制备,展示了在量子模拟任务中的可扩展性。
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。