弱监督量子误差缓解方法
监督式量子误差缓解通常需要理想输出来学习映射关系，但生成无噪声模拟的计算成本随系统规模呈指数级增长，导致其在大规模场景下无法适用。本研究提出一种弱监督量子误差缓解方案，探索利用电路结构和硬件校准中成本较低、单独不可靠的启发式信号来替代真实的理想标签。研究团队整合了包含稳定器、奇偶校验约束、弛豫及读出特性在内的16种启发式标注函数，用于构建有效的误差缓解模型。
推荐理由提出利用低成本启发式信号进行弱监督学习，有效解决了传统量子误差缓解依赖指数级经典模拟的瓶颈问题。
原标题：Weakly Supervised Quantum Error Mitigation
阅读 arXiv 人工智能 原文 ↗