研究前沿：IBM量子计算机-机器学习 | Nature Machine Intelligence

文章预览

量子计算机已经竞争超越经典超级计算机，但量子错误仍然是主要障碍。在过去的几年中，量子错误缓解领域已经提供了各种策略，以克服在近期设备中的误差，从而以额外的运行时间为代价提高精度。 今日，IBM Quantum公司的Haoran Liao, Derek S. Wang，Zlatko K. Minev等，在Nature Machine Intelligence上发文，通过在最先进的量子计算机上，利用多达100个量子比特的实验，证明了在不牺牲精度的情况下，用于量子错误缓解的机器学习machine learning for quantum error mitigation (ML-QEM)大大降低了量子错误缓解的经济成本。 利用各种机器学习模型——线性回归、随机森林、多层感知器和图神经网络——对量子错误缓解的机器学习ML-QEM进行了基准测试，测试对象是不同类别的量子电路、日益复杂的器件噪声分布、内插和外推以及数值和实验。这些测试采用了流行的数字零噪声外 ………………………………