1Instituto de Computación de Alto Rendimiento, Agencia de Ciencia, Tecnología e Investigación (A*STAR), 1 Fusionopolis Way, #16-16 Connexis, Singapur 138632, Singapur
2Zapata Computing, Inc., 100 Federal Street, 20th Floor, Boston, Massachusetts 02110, EE. UU.
3Departamento de Ciencias de la Computación, Universidad de Texas en Austin, Austin, TX 78712, EE. UU.
¿Encuentra este documento interesante o quiere discutirlo? Scite o deje un comentario en SciRate.
Resumen
El protocolo de sombras clásico, introducido recientemente por Huang, Kueng y Preskill [Nat. física 16, 1050 (2020)], es un protocolo clásico cuántico para estimar las propiedades de un estado cuántico desconocido. A diferencia de la tomografía de estado cuántico completo, el protocolo se puede implementar en hardware cuántico a corto plazo y requiere pocas mediciones cuánticas para hacer muchas predicciones con una alta probabilidad de éxito.
En este artículo, estudiamos los efectos del ruido en el protocolo de sombras clásico. En particular, consideramos el escenario en el que los circuitos cuánticos involucrados en el protocolo están sujetos a varios canales de ruido conocidos y derivamos un límite superior analítico para la complejidad de la muestra en términos de una seminorma de sombra para el ruido local y global. Además, al modificar el paso clásico de posprocesamiento del protocolo sin ruido, definimos un nuevo estimador que permanece imparcial en presencia de ruido. Como aplicaciones, mostramos que nuestros resultados pueden usarse para probar límites superiores de complejidad de muestra rigurosos en los casos de ruido despolarizante y amortiguación de amplitud.
► datos BibTeX
► referencias
[ 1 ] John Preskill. Computación cuántica en la era NISQ y más allá. Quantum, 2:79, 2018. doi: 10.22331 / q-2018-08-06-79.
https://doi.org/10.22331/q-2018-08-06-79
[ 2 ] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong-Chuan Kwek, y Alan Aspuru-Guzik. Algoritmos cuánticos ruidosos de escala intermedia. Rev.Mod. Phys., 94:015004, febrero de 2022. doi:10.1103/RevModPhys.94.015004.
https: / / doi.org/ 10.1103 / RevModPhys.94.015004
[ 3 ] Marco Cerezo, Andrew Arrasmith, Ryan Babbush, Simon C Benjamin, Suguru Endo, Keisuke Fujii, Jarrod R McClean, Kosuke Mitarai, Xiao Yuan, Lukasz Cincio, et al. Algoritmos cuánticos variacionales. Nature Reviews Physics, 3(9):625–644, 2021. doi:10.1038/s42254-021-00348-9.
https://doi.org/10.1038/s42254-021-00348-9
[ 4 ] Alberto Peruzzo, Jarrod McClean, Peter Shadbolt, Man-Hong Yung, Xiao-Qi Zhou, Peter J. Love, Alán Aspuru-Guzik y Jeremy L. O'Brien. Un solucionador de valores propios variacionales en un procesador cuántico fotónico. Comunicaciones de la naturaleza, 5:4213, 2014. doi:10.1038/ncomms5213.
https: / / doi.org/ 10.1038 / ncomms5213
[ 5 ] Edward Farhi, Jeffrey Goldstone y Sam Gutmann. Un algoritmo de optimización aproximada cuántica. Preimpresión de arXiv arXiv:1411.4028, 2014. doi:10.48550/arXiv.1411.4028.
https:///doi.org/10.48550/arXiv.1411.4028
arXiv: 1411.4028
[ 6 ] Yudong Cao, Jonathan Romero, Jonathan P. Olson, Matthias Degroote, Peter D. Johnson, Mária Kieferová, Ian D. Kivlichan, Tim Menke, Borja Peropadre, Nicolas PD Sawaya, et al. Química cuántica en la era de la computación cuántica. Revisiones químicas, 119(19):10856–10915, 2019. doi:10.1021/acs.chemrev.8b00803.
https: / / doi.org/ 10.1021 / acs.chemrev.8b00803
[ 7 ] Vittorio Giovannetti, Seth Lloyd y Lorenzo Maccone. Metrología cuántica. Cartas de revisión física, 96(1):010401, 2006. doi:10.1103/PhysRevLett.96.010401.
https: / / doi.org/ 10.1103 / PhysRevLett.96.010401
[ 8 ] Nikolaj Moll, Panagiotis Barkoutsos, Lev S. Bishop, Jerry M. Chow, Andrew Cross, Daniel J. Egger, Stefan Filipp, Andreas Fuhrer, Jay M. Gambetta, Marc Ganzhorn, et al. Optimización cuántica utilizando algoritmos variacionales en dispositivos cuánticos a corto plazo. Quantum Science and Technology, 3(3):030503, 2018. https://doi:10.1088/2058-9565/aab822.
https: / / doi.org/ 10.1088 / 2058-9565 / aab822
[ 9 ] Dave Wecker, Matthew B. Hastings y Matthias Troyer. Progreso hacia algoritmos variacionales cuánticos prácticos. Revisión física A, 92(4):042303, 2015. doi:10.1103/PhysRevA.92.042303.
https: / / doi.org/ 10.1103 / PhysRevA.92.042303
[ 10 ] William J. Huggins, Jarrod R. McClean, Nicholas C. Rubin, Zhang Jiang, Nathan Wiebe, K. Birgitta Whaley y Ryan Babbush. Mediciones eficientes y resistentes al ruido para la química cuántica en computadoras cuánticas a corto plazo. npj Quantum Information, 7(1):1–9, 2021. doi:10.1038/s41534-020-00341-7.
https://doi.org/10.1038/s41534-020-00341-7
[ 11 ] Hsin-Yuan Huang, Richard Kueng y John Preskill. Predecir muchas propiedades de un sistema cuántico a partir de muy pocas medidas. Nature Physics, 16(10):1050–1057, 2020. doi:10.1038/s41567-020-0932-7.
https://doi.org/10.1038/s41567-020-0932-7
[ 12 ] Jeongwan Haah, Aram Harrow, Zhengfeng Ji, Xiaodi Wu y Nengkun Yu. Muestra-Tomografía Óptima de Estados Cuánticos. IEEE Transactions on Information Theory, 63(9):5628–5641, 2017. doi:10.1109/TIT.2017.2719044.
https: / / doi.org/ 10.1109 / TIT.2017.2719044
[ 13 ] Ryan O'Donnell y John Wright. Tomografía cuántica eficiente. En Actas del cuadragésimo octavo simposio anual de ACM sobre Teoría de la Computación, páginas 899–912, 2016. doi:10.1145/2897518.2897544.
https: / / doi.org/ 10.1145 / 2897518.2897544
[ 14 ] Scott Aaronson. Tomografía de sombra de estados cuánticos. SIAM Journal on Computing, 49(5):STOC18–368, 2019. doi:10.1137/18M120275X.
https: / / doi.org/ 10.1137 / 18M120275X
[ 15 ] Mark R. Jerrum, Leslie G. Valiant y Vijay V. Vazirani. Generación aleatoria de estructuras combinatorias a partir de una distribución uniforme. Informática teórica, 43:169–188, 1986. doi:10.1016/0304-3975(86)90174-X.
https://doi.org/10.1016/0304-3975(86)90174-X
[ 16 ] Huangjun Zhu, Richard Kueng, Markus Grassl y David Gross. El grupo de Clifford falla graciosamente en ser un diseño unitario de 4. Preimpresión de arXiv arXiv:1609.08172, 2016. doi:10.48550/arXiv.1609.08172.
https:///doi.org/10.48550/arXiv.1609.08172
arXiv: 1609.08172
[ 17 ] Zak Webb. El grupo Clifford forma un 3-diseño unitario. Información y computación cuánticas, 16(15&16):1379–1400, 2016. doi:10.26421/QIC16.15-16-8.
https: / / doi.org/ 10.26421 / QIC16.15-16-8
[ 18 ] Senrui Chen, Wenjun Yu, Pei Zeng y Steven T. Flammia. Estimación robusta de sombras. PRX Quantum, 2:030348, septiembre de 2021. doi:10.1103/PRXQuantum.2.030348.
https: / / doi.org/ 10.1103 / PRXQuantum.2.030348
[ 19 ] Steven T. Flammia y Joel J. Wallman. Estimación Eficiente de Canales Pauli. ACM Transactions on Quantum Computing, 1(1):1–32, 2020. doi:10.1145/3408039.
https: / / doi.org/ 10.1145 / 3408039
[ 20 ] Senrui Chen, Sisi Zhou, Alireza Seif y Liang Jiang. Ventajas cuánticas para la estimación del canal de Pauli. Revisión física A, 105(3):032435, 2022. doi:10.1103/PhysRevA.105.032435.
https: / / doi.org/ 10.1103 / PhysRevA.105.032435
[ 21 ] Michael A. Nielsen e Isaac L. Chuang. Computación Cuántica e Información Cuántica. Prensa de la Universidad de Cambridge, 2010. doi:10.1017/CBO9780511976667.
https: / / doi.org/ 10.1017 / CBO9780511976667
[ 22 ] Zdenek Hradil. Estimación del estado cuántico. Revisión física A, 55(3):R1561, 1997. doi:10.1103/PhysRevA.55.R1561.
https: / / doi.org/ 10.1103 / PhysRevA.55.R1561
[ 23 ] Matteo París y Jaroslav Rehacek. Estimación del estado cuántico, volumen 649. Springer Science & Business Media, 2004. doi:10.1007/b98673.
https: / / doi.org/ 10.1007 / b98673
[ 24 ] Robin Blume-Kohout. Estimación óptima y fiable de estados cuánticos. New Journal of Physics, 12(4):043034, abril de 2010. doi:10.1088/1367-2630/12/4/043034.
https://doi.org/10.1088/1367-2630/12/4/043034
[ 25 ] K. Banaszek, M. Cramer y D. Gross. Centrarse en la tomografía cuántica. New Journal of Physics, 15(12):125020, diciembre de 2013. doi:10.1088/1367-2630/15/12/125020.
https://doi.org/10.1088/1367-2630/15/12/125020
[ 26 ] David Gross, Yi-Kai Liu, Steven T. Flammia, Stephen Becker y Jens Eisert. Tomografía cuántica de estado vía Compressed Sensing. física Rev. Lett., 105:150401, octubre de 2010. doi:10.1103/PhysRevLett.105.150401.
https: / / doi.org/ 10.1103 / PhysRevLett.105.150401
[ 27 ] Steven T. Flammia, David Gross, Yi-Kai Liu y Jens Eisert. Tomografía cuántica mediante sensado comprimido: límites de error, complejidad de la muestra y estimadores eficientes. New Journal of Physics, 14(9):095022, septiembre de 2012. doi:10.1088/1367-2630/14/9/095022.
https://doi.org/10.1088/1367-2630/14/9/095022
[ 28 ] Takanori Sugiyama, Peter S. Turner y Mio Murao. Tomografía cuántica de precisión garantizada. física Rev. Lett., 111:160406, octubre de 2013. doi:10.1103/PhysRevLett.111.160406.
https: / / doi.org/ 10.1103 / PhysRevLett.111.160406
[ 29 ] Richard Kueng, Huangjun Zhu y David Gross. Recuperación de matriz de bajo rango de las órbitas de Clifford. Preimpresión de arXiv arXiv:1610.08070, 2016. doi:10.48550/arXiv.1610.08070.
https:///doi.org/10.48550/arXiv.1610.08070
arXiv: 1610.08070
[ 30 ] Richard Kueng, Holger Rauhut y Ulrich Terstiege. Recuperación de matriz de rango bajo a partir de mediciones de rango uno. Análisis armónico computacional y aplicado, 42(1):88–116, 2017. doi:10.1016/j.acha.2015.07.007.
https: / / doi.org/ 10.1016 / j.acha.2015.07.007
[ 31 ] M Guţă, J. Kahn, R. Kueng y JA Tropp. Tomografía de estado rápido con límites de error óptimos. Journal of Physics A: Mathematical and Theoretical, 53(20):204001, abril de 2020. doi:10.1088/1751-8121/ab8111.
https: / / doi.org/ 10.1088 / 1751-8121 / ab8111
[ 32 ] Marcus Cramer, Martin B. Plenio, Steven T. Flammia, Rolando Somma, David Gross, Stephen D. Bartlett, Olivier Landon-Cardinal, David Poulin y Yi-Kai Liu. Tomografía de estado cuántico eficiente. Comunicaciones de la naturaleza, 1(1):1–7, 2010. doi: 10.1038/ncomms1147.
https: / / doi.org/ 10.1038 / ncomms1147
[ 33 ] BP Lanyon, C. Maier, Milan Holzäpfel, Tillmann Baumgratz, C Hempel, P Jurcevic, Ish Dhand, AS Buyskikh, AJ Daley, Marcus Cramer, et al. Tomografía eficiente de un sistema cuántico de muchos cuerpos. Nature Physics, 13(12):1158–1162, 2017. doi:10.1038/nphys4244.
https: / / doi.org/ 10.1038 / nphys4244
[ 34 ] Olivier Landon-Cardenal y David Poulin. Método de aprendizaje práctico para estados entrelazados multiescala. New Journal of Physics, 14(8):085004, agosto de 2012. doi:10.1088/1367-2630/14/8/085004.
https://doi.org/10.1088/1367-2630/14/8/085004
[ 35 ] Juan Carrasquilla, Giacomo Torlai, Roger G. Melko y Leandro Aolita. Reconstrucción de estados cuánticos con modelos generativos. Nature Machine Intelligence, 1(3):155–161, 2019. doi:10.1038/s42256-019-0028-1.
https://doi.org/10.1038/s42256-019-0028-1
[ 36 ] Xun Gao y Lu-Ming Duan. Representación eficiente de estados cuánticos de muchos cuerpos con redes neuronales profundas. Comunicaciones de la naturaleza, 8(1):1–6, 2017. doi:10.1038/s41467-017-00705-2.
https://doi.org/10.1038/s41467-017-00705-2
[ 37 ] Jordan Cotler y Frank Wilczek. Tomografía cuántica superpuesta. física Rev. Lett., 124:100401, marzo de 2020. doi:10.1103/PhysRevLett.124.100401.
https: / / doi.org/ 10.1103 / PhysRevLett.124.100401
[ 38 ] Scott Aaronson y Guy N. Rothblum. Medición suave de estados cuánticos y privacidad diferencial. En Actas del 51° Simposio Anual ACM SIGACT sobre Teoría de la Computación, páginas 322–333, 2019. doi:10.1145/3313276.3316378.
https: / / doi.org/ 10.1145 / 3313276.3316378
[ 39 ] Costin Badescu y Ryan O'Donnell. Análisis de datos cuánticos mejorado. En Actas del 53.º Simposio Anual ACM SIGACT sobre Teoría de la Computación, páginas 1398–1411, 2021. doi:10.1145/3406325.3451109.
https: / / doi.org/ 10.1145 / 3406325.3451109
[ 40 ] Abhinav Kandala, Antonio Mezzacapo, Kristan Temme, Maika Takita, Markus Brink, Jerry M Chow y Jay M. Gambetta. Eigensolver cuántico variacional eficiente en hardware para moléculas pequeñas e imanes cuánticos. Nature, 549(7671):242–246, 2017. doi:10.1038/nature23879.
https: / / doi.org/ 10.1038 / nature23879
[ 41 ] Vladyslav Verteletskyi, Tzu-Ching Yen y Artur F. Izmaylov. Optimización de la medición en el autosolvente cuántico variacional utilizando una cobertura de camarilla mínima. The Journal of Chemical Physics, 152(12):124114, 2020. doi:10.1063/1.5141458.
https: / / doi.org/ 10.1063 / 1.5141458
[ 42 ] Artur F. Izmaylov, Tzu-Ching Yen, Robert A. Lang y Vladyslav Verteletskyi. Enfoque de partición unitaria para el problema de medición en el método de resolución propia cuántica variacional. Journal of Chemical Theory and Computation, 16(1):190–195, 2019. doi:10.1021/acs.jctc.9b00791.
https: / / doi.org/ 10.1021 / acs.jctc.9b00791
[ 43 ] Andrew Zhao, Andrew Tranter, William M. Kirby, Shu Fay Ung, Akimasa Miyake y Peter J. Love. Reducción de medidas en algoritmos cuánticos variacionales. Revisión física A, 101(6):062322, 2020. doi:10.1103/PhysRevA.101.062322.
https: / / doi.org/ 10.1103 / PhysRevA.101.062322
[ 44 ] Guoming Wang, Dax Enshan Koh, Peter D. Johnson y Yudong Cao. Minimización del tiempo de ejecución de la estimación en equipos cuánticos ruidosos. PRX Quantum, 2:010346, marzo de 2021. doi:10.1103/PRXQuantum.2.010346.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010346
[ 45 ] Dax Enshan Koh, Guoming Wang, Peter D. Johnson y Yudong Cao. Fundamentos para la inferencia bayesiana con funciones de verosimilitud diseñadas para una estimación robusta de la amplitud. Revista de Física Matemática, 63:052202, 2022. doi:10.1063/5.0042433.
https: / / doi.org/ 10.1063 / 5.0042433
[ 46 ] Jérôme F. Gonthier, Maxwell D. Radin, Corneliu Buda, Eric J. Doskocil, Clena M. Abuan y Jhonathan Romero. Identificación de desafíos hacia la ventaja cuántica práctica a través de la estimación de recursos: el obstáculo de la medición en el autosolvente cuántico variacional. Preimpresión de arXiv arXiv:2012.04001, 2020. doi:10.48550/arXiv.2012.04001.
https:///doi.org/10.48550/arXiv.2012.04001
arXiv: 2012.04001
[ 47 ] Andrew Zhao, Nicholas C. Rubin y Akimasa Miyake. Tomografía parcial fermiónica mediante sombras clásicas. física Rev. Lett., 127:110504, septiembre de 2021. doi:10.1103/PhysRevLett.127.110504.
https: / / doi.org/ 10.1103 / PhysRevLett.127.110504
[ 48 ] Kianna Wan, William J. Huggins, Joonho Lee y Ryan Babbush. Matchgate Shadows para simulación cuántica fermiónica. Preimpresión de arXiv arXiv:2207.13723, 2022. doi:10.48550/arXiv.2207.13723.
https:///doi.org/10.48550/arXiv.2207.13723
arXiv: 2207.13723
[ 49 ] Bryan O'Gorman. Tomografía fermiónica y aprendizaje. Preimpresión de arXiv arXiv:2207.14787, 2022. doi:10.48550/arXiv.2207.14787.
https:///doi.org/10.48550/arXiv.2207.14787
arXiv: 2207.14787
[ 50 ] Charles Hadfield, Sergey Bravyi, Rudy Raymond y Antonio Mezzacapo. Mediciones de hamiltonianos cuánticos con sombras clásicas localmente sesgadas. Communications in Mathematical Physics, 391(3):951–967, 2022. doi:10.1007/s00220-022-04343-8.
https://doi.org/10.1007/s00220-022-04343-8
[ 51 ] Andreas Elben, Richard Kueng, Hsin-Yuan Robert Huang, Rick van Bijnen, Christian Kokail, Marcello Dalmonte, Pasquale Calabrese, Barbara Kraus, John Preskill, Peter Zoller, et al. Enredo de estado mixto a partir de mediciones aleatorias locales. Cartas de revisión física, 125(20):200501, 2020. doi:10.1103/PhysRevLett.125.200501.
https: / / doi.org/ 10.1103 / PhysRevLett.125.200501
[ 52 ] GI Struchalin, Ya. A. Zagorovskii, EV Kovlakov, SS Straupe y SP Kulik. Estimación Experimental de Propiedades de Estado Cuántico a partir de Sombras Clásicas. PRX Quantum, 2:010307, enero de 2021. doi:10.1103/PRXQuantum.2.010307.
https: / / doi.org/ 10.1103 / PRXQuantum.2.010307
[ 53 ] Dax Enshan Koh y Sabee Grewal. Sombras clásicas con ruido. preimpresión de arXiv arXiv:2011.11580v1, 2020.
arXiv: 2011.11580v1
[ 54 ] Robin Harper, Steven T. Flammia y Joel J. Wallman. Aprendizaje eficiente del ruido cuántico. Nature Physics, 16(12):1184–1188, 2020. doi:10.1038/s41567-020-0992-8.
https://doi.org/10.1038/s41567-020-0992-8
[ 55 ] Guangxi Li, Zhixin Song y Xin Wang. VSQL: aprendizaje cuántico de sombra variacional para clasificación. Actas de la Conferencia AAAI sobre Inteligencia Artificial, 35(9):8357–8365, mayo de 2021.
[ 56 ] Joseph M. Lukens, Kody JH Law y Ryan S. Bennink. Un análisis bayesiano de las sombras clásicas. npj Quantum Inf., 7(113):1–10, julio de 2021. doi:10.1038/s41534-021-00447-6.
https://doi.org/10.1038/s41534-021-00447-6
[ 57 ] Roy J. García, You Zhou y Arthur Jaffe. Mezcla cuántica con sombras clásicas. física Rev. Research, 3:033155, agosto de 2021. doi:10.1103/PhysRevResearch.3.033155.
https: / / doi.org/ 10.1103 / PhysRevResearch.3.033155
[ 58 ] Hong-Ye Hu y Yi-Zhuang You. Tomografía de sombra impulsada por hamiltoniano de estados cuánticos. física Rev. Research, 4:013054, enero de 2022. doi:10.1103/PhysRevResearch.4.013054.
https: / / doi.org/ 10.1103 / PhysRevResearch.4.013054
[ 59 ] Antoine Neven, Jose Carrasco, Vittorio Vitale, Christian Kokail, Andreas Elben, Marcello Dalmonte, Pasquale Calabrese, Peter Zoller, Benoı̂t Vermersch, Richard Kueng, et al. Detección de entrelazamiento resuelto por simetría utilizando momentos de transposición parcial. npj Quantum Inf., 7(152):1–12, octubre de 2021. doi:10.1038/s41534-021-00487-y.
https: / / doi.org/ 10.1038 / s41534-021-00487-y
[ 60 ] Hsin-Yuan Huang, Richard Kueng y John Preskill. Estimación eficiente de observables de Pauli por desaleatorización. física Rev. Lett., 127:030503, julio de 2021. doi:10.1103/PhysRevLett.127.030503.
https: / / doi.org/ 10.1103 / PhysRevLett.127.030503
[ 61 ] Atithi Acharya, Siddhartha Saha y Anirvan M. Sengupta. Tomografía de sombra basada en una medida valorada por el operador positiva informacionalmente completa. física Rev. A, 104:052418, noviembre de 2021. doi:10.1103/PhysRevA.104.052418.
https: / / doi.org/ 10.1103 / PhysRevA.104.052418
[ 62 ] Stefan Hillmich, Charles Hadfield, Rudy Raymond, Antonio Mezzacapo y Robert Wille. Diagramas de decisión para medidas cuánticas con circuitos poco profundos. En la Conferencia internacional IEEE de 2021 sobre computación e ingeniería cuánticas (QCE), páginas 24–34. IEEE, 2021. doi:10.1109/QCE52317.2021.00018.
https: / / doi.org/ 10.1109 / QCE52317.2021.00018
[ 63 ] Carlos Hadfield. Sombras de Pauli adaptativas para la estimación de energía. preimpresión de arXiv arXiv:2105.12207, 2021. doi:10.48550/arXiv.2105.12207.
https:///doi.org/10.48550/arXiv.2105.12207
arXiv: 2105.12207
[ 64 ] Bujiao Wu, Jinzhao Sun, Qi Huang y Xiao Yuan. Medición de agrupación superpuesta: un marco unificado para medir estados cuánticos. Preimpresión de arXiv arXiv:2105.13091, 2021. doi:10.48550/arXiv.2105.13091.
https:///doi.org/10.48550/arXiv.2105.13091
arXiv: 2105.13091
[ 65 ] Aniket Rath, Cyril Branciard, Anna Minguzzi y Benoı̂t Vermersch. Información de Quantum Fisher a partir de mediciones aleatorias. física Rev. Lett., 127:260501, diciembre de 2021. doi:10.1103/PhysRevLett.127.260501.
https: / / doi.org/ 10.1103 / PhysRevLett.127.260501
[ 66 ] Ting Zhang, Jinzhao Sun, Xiao-Xu Fang, Xiao-Ming Zhang, Xiao Yuan y He Lu. Medida experimental del estado cuántico con sombras clásicas. física Rev. Lett., 127:200501, noviembre de 2021. doi:10.1103/PhysRevLett.127.200501.
https: / / doi.org/ 10.1103 / PhysRevLett.127.200501
[ 67 ] Hsin-Yuan Huang, Richard Kueng, Giacomo Torlai, Victor V. Albert y John Preskill. Aprendizaje automático demostrablemente eficiente para problemas cuánticos de muchos cuerpos. Preimpresión de arXiv arXiv:2106.12627, 2021. doi:10.48550/arXiv.2106.12627.
https:///doi.org/10.48550/arXiv.2106.12627
arXiv: 2106.12627
[ 68 ] William J. Huggins, Bryan A. O'Gorman, Nicholas C. Rubin, David R. Reichman, Ryan Babbush y Joonho Lee. Impedir el sesgo cuántico fermiónico Monte Carlo con una computadora cuántica. Nature, 603(7901):416–420, marzo de 2022. doi:10.1038/s41586-021-04351-z.
https: / / doi.org/ 10.1038 / s41586-021-04351-z
[ 69 ] Hong-Ye Hu, Soonwon Choi y Yi-Zhuang You. Tomografía de sombra clásica con dinámica cuántica codificada localmente. preimpresión de arXiv arXiv:2107.04817, 2021. doi:10.48550/arXiv.2107.04817.
https:///doi.org/10.48550/arXiv.2107.04817
arXiv: 2107.04817
[ 70 ] Steven T. Flammia. Muestreo de valor propio de circuito promediado. Preimpresión de arXiv arXiv:2108.05803, 2021. doi:10.48550/arXiv.2108.05803.
https:///doi.org/10.48550/arXiv.2108.05803
arXiv: 2108.05803
[ 71 ] Ryan Levy, Di Luo y Bryan K. Clark. Sombras clásicas para tomografía de proceso cuántico en computadoras cuánticas a corto plazo. Preimpresión de arXiv arXiv:2110.02965, 2021. doi:10.48550/arXiv.2110.02965.
https:///doi.org/10.48550/arXiv.2110.02965
arXiv: 2110.02965
[ 72 ] Jonathan Kunjummen, Minh C. Tran, Daniel Carney y Jacob M. Taylor. Tomografía de proceso de sombra de canales cuánticos. Preimpresión de arXiv arXiv:2110.03629, 2021. doi:10.48550/arXiv.2110.03629.
https:///doi.org/10.48550/arXiv.2110.03629
arXiv: 2110.03629
[ 73 ] Jonas Helsen, Marios Ioannou, Ingo Roth, Jonas Kitzinger, Emilio Onorati, Albert H. Werner y Jens Eisert. Estimación de propiedades de conjuntos de puertas a partir de secuencias aleatorias. Preimpresión de arXiv arXiv:2110.13178, 2021. doi:10.48550/arXiv.2110.13178.
https:///doi.org/10.48550/arXiv.2110.13178
arXiv: 2110.13178
[ 74 ] Sitan Chen, Jordan Cotler, Hsin-Yuan Huang y Jerry Li. Separaciones exponenciales entre aprendizaje con y sin memoria cuántica. En 2021 IEEE 62.º Simposio anual sobre fundamentos de la informática (FOCS), páginas 574–585, 2022. doi:10.1109/FOCS52979.2021.00063.
https: / / doi.org/ 10.1109 / FOCS52979.2021.00063
[ 75 ] Simone Notarnicola, Andreas Elben, Thierry Lahaye, Antoine Browaeys, Simone Montangero y Benoit Vermersch. Una caja de herramientas de medición aleatoria para las tecnologías cuánticas de Rydberg. Preimpresión de arXiv arXiv:2112.11046, 2021. doi:10.48550/arXiv.2112.11046.
https:///doi.org/10.48550/arXiv.2112.11046
arXiv: 2112.11046
[ 76 ] Stefan H. Sack, Raimel A. Medina, Alexios A. Michailidis, Richard Kueng y Maksym Serbyn. Evitando mesetas yermas utilizando sombras clásicas. PRX Quantum, 3:020365, junio de 2022. doi:10.1103/PRXQuantum.3.020365.
https: / / doi.org/ 10.1103 / PRXQuantum.3.020365
[ 77 ] Kaifeng Bu, Dax Enshan Koh, Roy J. García y Arthur Jaffe. Sombras clásicas con conjuntos unitarios invariantes de Pauli. Preimpresión de arXiv arXiv:2202.03272, 2022. doi:10.48550/arXiv.2202.03272.
https:///doi.org/10.48550/arXiv.2202.03272
arXiv: 2202.03272
[ 78 ] Max McGinley, Sebastian Leontica, Samuel J. Garratt, Jovan Jovanovic y Steven H. Simon. Cuantificación de la codificación de la información mediante tomografía de sombra clásica en simuladores cuánticos programables. Preimpresión de arXiv arXiv:2202.05132, 2022. doi:10.48550/arXiv.2202.05132.
https:///doi.org/10.48550/arXiv.2202.05132
arXiv: 2202.05132
[ 79 ] Lu Liu, Ting Zhang, Xiao Yuan y He Lu. Investigación Experimental de las Relaciones de Incertidumbre Cuántica con Sombras Clásicas. Fronteras en física, 10, 2022. doi:10.3389/fphy.2022.873810.
https: / / doi.org/ 10.3389 / fphy.2022.873810
[ 80 ] Joseph M. Lukens, Kody JH Law y Ryan S. Bennink. Sombras clásicas y estimación media bayesiana: una comparación. En Conferencia sobre láseres y electroóptica, página FW3N.3. Sociedad Óptica de América, 2021. doi:10.1364/CLEO_QELS.2021.FW3N.3.
https://doi.org/10.1364/CLEO_QELS.2021.FW3N.3
[ 81 ] Angus Lowe. Aprendizaje de estados cuánticos sin medidas entrelazadas. Tesis de maestría, Universidad de Waterloo, 2021.
[ 82 ] Hsin-Yuan Huang. Aprendiendo estados cuánticos a partir de sus sombras clásicas. Nat. Rev. Phys., 4(2):81, febrero de 2022. doi:10.1038/s42254-021-00411-5.
https://doi.org/10.1038/s42254-021-00411-5
[ 83 ] Hong-Ye Hu, Ryan LaRose, Yi-Zhuang You, Eleanor Rieffel y Zhihui Wang. Tomografía de sombra lógica: Estimación eficiente de observables con mitigación de errores. Preimpresión de arXiv arXiv:2203.07263, 2022. doi:10.48550/arXiv.2203.07263.
https:///doi.org/10.48550/arXiv.2203.07263
arXiv: 2203.07263
[ 84 ] Alireza Seif, Ze-Pei Cian, Sisi Zhou, Senrui Chen y Liang Jiang. Destilación de sombras: Mitigación de errores cuánticos con sombras clásicas para procesadores cuánticos a corto plazo. Preimpresión de arXiv arXiv:2203.07309, 2022. doi:10.48550/arXiv.2203.07309.
https:///doi.org/10.48550/arXiv.2203.07309
arXiv: 2203.07309
[ 85 ] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoı̂t Vermersch y Peter Zoller. La caja de herramientas de medición aleatoria. Preimpresión de arXiv arXiv:2203.11374, 2022. doi:10.48550/arXiv.2203.11374.
https:///doi.org/10.48550/arXiv.2203.11374
arXiv: 2203.11374
[ 86 ] Gregory Boyd y Bálint Koczor. Entrenamiento de circuitos cuánticos variacionales con CoVaR: búsqueda de raíces de covarianza con sombras clásicas. Preimpresión de arXiv arXiv:2204.08494, 2022. doi:10.48550/arXiv.2204.08494.
https:///doi.org/10.48550/arXiv.2204.08494
arXiv: 2204.08494
[ 87 ] H. Chau Nguyen, Jan Lennart Bönsel, Jonathan Steinberg y Otfried Gühne. Optimización de la tomografía de sombra con mediciones generalizadas. Preimpresión de arXiv arXiv:2205.08990, 2022. doi:10.48550/arXiv.2205.08990.
https:///doi.org/10.48550/arXiv.2205.08990
arXiv: 2205.08990
[ 88 ] Luuk Coopmans, Yuta Kikuchi y Marcello Benedetti. Predicción de los valores esperados del estado de Gibbs con sombras térmicas puras. Preimpresión de arXiv arXiv:2206.05302, 2022. doi:10.48550/arXiv.2206.05302.
https:///doi.org/10.48550/arXiv.2206.05302
arXiv: 2206.05302
[ 89 ] Saumya Shivam, CW von Keyserlingk y SL Sondhi. Sobre las sombras clásicas e híbridas de los estados cuánticos. Preimpresión de arXiv arXiv:2206.06616, 2022. doi:10.48550/arXiv.2206.06616.
https:///doi.org/10.48550/arXiv.2206.06616
arXiv: 2206.06616
[ 90 ] Daniel McNulty, Filip B. Maciejewski y Michał Oszmaniec. Estimación de hamiltonianos cuánticos a través de mediciones conjuntas de observables ruidosos que no se desplazan. Preimpresión de arXiv arXiv:2206.08912, 2022. doi:10.48550/arXiv.2206.08912.
https:///doi.org/10.48550/arXiv.2206.08912
arXiv: 2206.08912
[ 91 ] Suguru Endo, Zhenyu Cai, Simon C. Benjamin y Xiao Yuan. Algoritmos híbridos cuánticos-clásicos y mitigación de errores cuánticos. Revista de la Sociedad Física de Japón, 90(3):032001, 2021. doi:10.7566/JPSJ.90.032001.
https: / / doi.org/ 10.7566 / JPSJ.90.032001
[ 92 ] Austin G. Fowler, Matteo Mariantoni, John M. Martinis y Andrew N. Cleland. Códigos de superficie: hacia la computación cuántica práctica a gran escala. Revisión física A, 86(3):032324, 2012. doi:10.1103/PhysRevA.86.032324.
https: / / doi.org/ 10.1103 / PhysRevA.86.032324
[ 93 ] Earl T. Campbell, Barbara M. Terhal y Christophe Vuillot. Caminos hacia la computación cuántica universal tolerante a fallos. Nature, 549(7671):172–179, 2017. doi:10.1038/nature23460.
https: / / doi.org/ 10.1038 / nature23460
[ 94 ] Ying Li y Simon C. Benjamin. Simulador cuántico variacional eficiente que incorpora minimización activa de errores. física Rev. X, 7:021050, junio de 2017. doi:10.1103/PhysRevX.7.021050.
https: / / doi.org/ 10.1103 / PhysRevX.7.021050
[ 95 ] Kristan Temme, Sergey Bravyi y Jay M. Gambetta. Mitigación de errores para circuitos cuánticos de profundidad corta. física Rev. Lett., 119:180509, noviembre de 2017. doi:10.1103/PhysRevLett.119.180509.
https: / / doi.org/ 10.1103 / PhysRevLett.119.180509
[ 96 ] Tudor Giurgica-Tiron, Yousef Hindy, Ryan LaRose, Andrea Mari y William J. Zeng. Extrapolación digital de ruido cero para la mitigación de errores cuánticos. En 2020 IEEE International Conference on Quantum Computing and Engineering (QCE), páginas 306–316, 2020. doi:10.1109/QCE49297.2020.00045.
https: / / doi.org/ 10.1109 / QCE49297.2020.00045
[ 97 ] Piotr Czarnik, Andrew Arrasmith, Patrick J. Coles y Lukasz Cincio. Mitigación de errores con datos del circuito cuántico de Clifford. Quantum, 5:592, noviembre de 2021. doi:10.22331/q-2021-11-26-592.
https://doi.org/10.22331/q-2021-11-26-592
[ 98 ] Jarrod R. McClean, Mollie E. Kimchi-Schwartz, Jonathan Carter y Wibe A. de Jong. Jerarquía híbrida cuántica-clásica para mitigación de decoherencia y determinación de estados excitados. física Rev. A, 95:042308, abril de 2017. doi:10.1103/PhysRevA.95.042308.
https: / / doi.org/ 10.1103 / PhysRevA.95.042308
[ 99 ] Suguru Endo, Simon C. Benjamin y Ying Li. Mitigación práctica de errores cuánticos para aplicaciones en el futuro cercano. física Rev. X, 8:031027, julio de 2018. doi:10.1103/PhysRevX.8.031027.
https: / / doi.org/ 10.1103 / PhysRevX.8.031027
[ 100 ] Juan Watrous. La Teoría de la Información Cuántica. Prensa de la Universidad de Cambridge, 2018. doi:10.1017/9781316848142.
https: / / doi.org/ 10.1017 / 9781316848142
[ 101 ] Sepehr Nezami y Michael Walter. Entrelazamiento multipartito en redes de tensores estabilizadores. física Rev. Lett., 125:241602, diciembre de 2020. doi:10.1103/PhysRevLett.125.241602.
https: / / doi.org/ 10.1103 / PhysRevLett.125.241602
[ 102 ] Fernando GSL Brandao y Michal Horodecki. Las aceleraciones cuánticas exponenciales son genéricas. Información cuántica Comput., 13(11&12):901–924, 2013. doi:10.26421/QIC13.11-12-1.
https: / / doi.org/ 10.26421 / QIC13.11-12-1
[ 103 ] Adam Bouland, Joseph F. Fitzsimons y Dax Enshan Koh. Clasificación de la complejidad de los circuitos de Clifford conjugados. En Rocco A. Servedio, editor, 33rd Computational Complexity Conference (CCC 2018), volumen 102 de Leibniz International Proceedings in Informatics (LIPIcs), páginas 21:1–21:25, Dagstuhl, Alemania, 2018. Schloss Dagstuhl–Leibniz-Zentrum para Informatik. doi:10.4230/LIPIcs.CCC.2018.21.
https: / / doi.org/ 10.4230 / LIPIcs.CCC.2018.21
[ 104 ] Rawad Mezher, Joe Ghalbouni, Joseph Dgheim y Damian Markham. Diseños t unitarios aproximados eficientes a partir de conjuntos universales parcialmente invertibles y su aplicación a la aceleración cuántica. preimpresión de arXiv arXiv:1905.01504, 2019. doi:10.48550/arXiv.1905.01504.
https:///doi.org/10.48550/arXiv.1905.01504
arXiv: 1905.01504
[ 105 ] Oleg Szehr, Frédéric Dupuis, Marco Tomamichel y Renato Renner. Desacoplamiento con dos diseños aproximados unitarios. New Journal of Physics, 15(5):053022, 2013. doi:10.1088/1367-2630/15/5/053022.
https://doi.org/10.1088/1367-2630/15/5/053022
[ 106 ] Andris Ambainis, Jan Bouda y Andreas Winter. Cifrado no maleable de información cuántica. Revista de Física Matemática, 50(4):042106, 2009. doi:10.1063/1.3094756.
https: / / doi.org/ 10.1063 / 1.3094756
[ 107 ] Huangjun Zhu. Los grupos Multiqubit Clifford son 3 diseños unitarios. Revisión física A, 96(6):062336, 2017. doi:10.1103/PhysRevA.96.062336.
https: / / doi.org/ 10.1103 / PhysRevA.96.062336
[ 108 ] Joel J. Wallman. Evaluación comparativa aleatoria con ruido dependiente de la puerta. Cuántica, 2:47, enero de 2018. doi:10.22331/q-2018-01-29-47.
https://doi.org/10.22331/q-2018-01-29-47
[ 109 ] Kevin Young, Stephen Bartlett, Robin J. Blume-Kohout, John King Gamble, Daniel Lobser, Peter Maunz, Erik Nielsen, Timothy James Proctor, Melissa Revelle y Kenneth Michael Rudinger. Diagnóstico y destrucción del ruido no markoviano. Informe técnico, Laboratorio Nacional Sandia. (SNL-CA), Livermore, CA (Estados Unidos), 2020. doi:10.2172/1671379.
https: / / doi.org/ 10.2172 / 1671379
[ 110 ] Tilo Eggeling y Reinhard F. Werner. Propiedades de separabilidad de estados tripartitos con simetría $Uotimes Uotimes U$. Revisión física A, 63(4):042111, 2001. doi:10.1103/PhysRevA.63.042111.
https: / / doi.org/ 10.1103 / PhysRevA.63.042111
[ 111 ] Peter D. Johnson y Lorenza Viola. Correlaciones cuánticas compatibles: problemas de extensión para Werner y estados isotrópicos. Revisión física A, 88(3):032323, 2013. doi:10.1103/PhysRevA.88.032323.
https: / / doi.org/ 10.1103 / PhysRevA.88.032323
Citado por
[1] Jules Tilly, Hongxiang Chen, Shuxiang Cao, Dario Picozzi, Kanav Setia, Ying Li, Edward Grant, Leonard Wossnig, Ivan Rungger, George H. Booth y Jonathan Tennyson, “The Variational Quantum Eigensolver: una revisión de métodos y mejores prácticas", arXiv: 2111.05176.
[2] Kishor Bharti, Alba Cervera-Lierta, Thi Ha Kyaw, Tobias Haug, Sumner Alperin-Lea, Abhinav Anand, Matthias Degroote, Hermanni Heimonen, Jakob S. Kottmann, Tim Menke, Wai-Keong Mok, Sukin Sim, Leong- Chuan Kwek, y Alán Aspuru-Guzik, “Algoritmos cuánticos ruidosos de escala intermedia”, Comentarios de Modern Physics 94 1, 015004 (2022).
[3] Hsin-Yuan Huang, Richard Kueng, Giacomo Torlai, Victor V. Albert y John Preskill, “Aprendizaje automático demostrablemente eficiente para problemas cuánticos de muchos cuerpos”, arXiv: 2106.12627.
[4] Antoine Neven, Jose Carrasco, Vittorio Vitale, Christian Kokail, Andreas Elben, Marcello Dalmonte, Pasquale Calabrese, Peter Zoller, Benoît Vermersch, Richard Kueng y Barbara Kraus, “Detección de entrelazamiento resuelta por simetría usando momentos de transposición parcial”, npj Información cuántica 7, 152 (2021).
[5] Stefan H. Sack, Raimel A. Medina, Alexios A. Michailidis, Richard Kueng y Maksym Serbyn, "Evitar mesetas estériles usando sombras clásicas", PRX Cuántico 3 2, 020365 (2022).
[6] Andreas Elben, Steven T. Flammia, Hsin-Yuan Huang, Richard Kueng, John Preskill, Benoît Vermersch y Peter Zoller, “La caja de herramientas de medición aleatoria”, arXiv: 2203.11374.
[7] Hsin-Yuan Huang, Richard Kueng y John Preskill, “Estimación eficiente de los observables de Pauli mediante la desaleatorización”, Cartas de revisión física 127 3, 030503 (2021).
[8] Daniel McNulty, Filip B. Maciejewski y Michał Oszmaniec, "Estimación de hamiltonianos cuánticos a través de mediciones conjuntas de observables ruidosos que no conmutan", arXiv: 2206.08912.
[9] Senrui Chen, Wenjun Yu, Pei Zeng y Steven T. Flammia, “Estimación robusta de la sombra”, PRX Cuántico 2 3, 030348 (2021).
[10] Hong-Ye Hu y Yi-Zhuang You, “Tomografía de sombras de estados cuánticos impulsada por Hamilton”, Investigación de revisión física 4 1, 013054 (2022).
[11] Hong-Ye Hu, Soonwon Choi y Yi-Zhuang You, “Tomografía de sombra clásica con dinámica cuántica codificada localmente”, arXiv: 2107.04817.
[12] Roy J. Garcia, You Zhou y Arthur Jaffe, “Quantum scrambling with classic shadows”, Investigación de revisión física 3 3, 033155 (2021).
[13] Ryan Levy, Di Luo y Bryan K. Clark, "Sombras clásicas para la tomografía de proceso cuántico en computadoras cuánticas a corto plazo", arXiv: 2110.02965.
[14] Aniket Rath, Cyril Branciard, Anna Minguzzi y Benoît Vermersch, “Información de Quantum Fisher a partir de mediciones aleatorias”, Cartas de revisión física 127 26, 260501 (2021).
[15] Charles Hadfield, “Sombras adaptativas de Pauli para la estimación de energía”, arXiv: 2105.12207.
[16] José Carrasco, Andreas Elben, Christian Kokail, Barbara Kraus y Peter Zoller, “Perspectivas teóricas y experimentales de la verificación cuántica”, arXiv: 2102.05927.
[17] Lorenzo Leone, Salvatore FE Oliviero y Alioscia Hamma, “La magia dificulta la certificación cuántica”, arXiv: 2204.02995.
[18] Atithi Acharya, Siddhartha Saha y Anirvan M. Sengupta, "Tomografía de sombra basada en POVM completa con información", arXiv: 2105.05992.
[19] Simone Notarnicola, Andreas Elben, Thierry Lahaye, Antoine Browaeys, Simone Montangero y Benoit Vermersch, “Una caja de herramientas de medición aleatoria para las tecnologías cuánticas de Rydberg”, arXiv: 2112.11046.
[20] Atithi Acharya, Siddhartha Saha y Anirvan M. Sengupta, “Tomografía de sombras basada en una medida positiva del valor del operador informacionalmente completa”, Revisión física A 104 5, 052418 (2021).
[21] Kaifeng Bu, Dax Enshan Koh, Roy J. García y Arthur Jaffe, “Sombras clásicas con conjuntos unitarios invariantes de Pauli”, arXiv: 2202.03272.
Las citas anteriores son de ANUNCIOS SAO / NASA (última actualización exitosa 2022-08-16 14:04:23). La lista puede estar incompleta ya que no todos los editores proporcionan datos de citas adecuados y completos.
No se pudo recuperar Crossref citado por datos durante el último intento 2022-08-16 14:04:21: No se pudieron obtener los datos citados por 10.22331 / q-2022-08-16-776 de Crossref. Esto es normal si el DOI se registró recientemente.
Este documento se publica en Quantum bajo el Creative Commons Reconocimiento 4.0 Internacional (CC BY 4.0) licencia. Los derechos de autor permanecen con los titulares de derechos de autor originales, como los autores o sus instituciones.
