Cirq量子计算框架中的直接保真度估计(DFE)技术详解

岑魁融Justine

于 2025-06-09 09:03:35 发布

阅读量288

点赞数 5

本文链接：https://blog.csdn.net/gitblog_00331/article/details/148524151

版权

Cirq量子计算框架中的直接保真度估计(DFE)技术详解

Cirq A python framework for creating, editing, and invoking Noisy Intermediate Scale Quantum (NISQ) circuits. 项目地址: https://gitcode.com/gh_mirrors/ci/Cirq

直接保真度估计概述

直接保真度估计(Direct Fidelity Estimation, DFE)是一种无需完整量子态层析就能评估量子态保真度的高效方法。在Cirq量子计算框架中，DFE算法通过巧妙设计测量方案，显著减少了评估量子态质量所需的测量次数。

DFE算法原理

保真度的数学定义为： $$F = \mathrm{Tr}(\hat{\rho}\hat{\sigma})$$ 其中$\hat{\rho}$是理论纯态，$\hat{\sigma}$是实际量子态。

DFE算法的核心思想是将保真度表达为Pauli算符期望值的加权和：

首先将保真度重写为： $$F= \sum_i \frac{\rho_i \sigma_i}{d}$$ 其中$d=4^n$(n为量子比特数)，$\rho_i = \mathrm{Tr}(\hat{\rho}P_i)$，$\sigma_i = \mathrm{Tr}(\hat{\sigma}P_i)$
进一步变形为： $$F= \sum_i Pr(i)\frac{\sigma_i}{\rho_i}$$ 其中$Pr(i) = \frac{\rho_i^2}{d}$构成概率分布

Cirq中的DFE实现

基本使用流程

在Cirq中使用DFE非常简单：

首先定义量子电路：

qubits = cirq.LineQubit.range(3)
circuit = cirq.Circuit(
    cirq.CNOT(qubits[0], qubits[2]),
    cirq.Z(qubits[0]),
    cirq.H(qubits[2]),
    cirq.CNOT(qubits[2], qubits[1]),
)

创建采样器(可以是模拟器或真实硬件)：

noise = cirq.ConstantQubitNoiseModel(cirq.depolarize(0.1))
sampler = cirq.DensityMatrixSimulator(noise=noise)

运行DFE估计：

estimated_fidelity, intermediate_results = dfe.direct_fidelity_estimation(
    circuit,
    qubits,
    sampler,
    n_measured_operators=None,
    samples_per_term=0,
)

Clifford电路的优化处理

Cirq的DFE实现会自动检测电路是否为Clifford电路，并采用优化策略：

对于n量子比特的Clifford电路，只有$2^n$个Pauli算符的$Pr(i)$非零
这些算符具有等概率$Pr(i) = \frac{1}{2^n}$
这种特性显著减少了需要测量的Pauli算符数量

可以通过检查中间结果验证这一点：

for pauli_trace in intermediate_results.pauli_traces:
    print('Probability %.3f\tPauli: %s' % (pauli_trace.Pr_i, pauli_trace.P_i))

参数配置说明

n_measured_operators参数：
- None：测量所有相关Pauli算符
- 整数：随机采样指定数量的Pauli算符
- 对于大系统，设置此参数可控制测量复杂度
samples_per_term参数：
- 0：使用密集矩阵模拟器
- 正整数：每个Pauli算符的测量次数
- 在使用真实硬件采样器时需要设置