#今日论文推荐#一种基于神经网络的策略，可增强量子模拟

#今日论文推荐#一种基于神经网络的策略，可增强量子模拟

近期的量子计算机为寻找量子系统的基态提供了一个有前途的平台，这是物理学、化学和材料科学中的一项基本任务。然而，近期方法受到噪声影响以及近期量子硬件资源有限的限制。

加拿大滑铁卢大学的研究人员引入了神经误差缓解，它使用神经网络来改进使用近期量子模拟获得的基态和基态可观测值的估计。为了证明该方法的广泛适用性，研究人员采用神经误差缓解来找到通过变分量子本征求解器制备的 H2和 LiH 分子哈密顿量以及晶格 Schwinger 模型的基态。

实验结果表明，神经误差缓解改进了数值和实验变分量子特征求解器计算，以产生低能量误差、高保真度和对更复杂的可观察量（例如阶参数和纠缠熵）的准确估计，而无需额外的量子资源。此外，神经误差缓解与所使用的量子态准备算法、实现它的量子硬件以及影响实验的特定噪声通道无关，有助于其作为量子模拟工具的多功能性。

该研究以「Neural Error Mitigation of Near-Term Quantum Simulations」为题，于 2022 年 7 月 20 日发布在《Nature Machine Intelligence》。

论文题目：Neural Error Mitigation of Near-Term Quantum Simulations
详细解读：https://www.aminer.cn/research_report/630f65727cb68b460f10956chttps://www.aminer.cn/research_report/630f65727cb68b460f10956c
AMiner链接：https://www.aminer.cn/?f=cs