目前，量子計算已經(jīng)成為一種強大的計算模式，解決了經(jīng)典計算機無法解決的問題。然而，今日的量子計算機是嘈雜的，這對獲得精確的結果提出了挑戰(zhàn)。

　　近日，IBM量子公司Quantum的Samantha V. Barron， Stefan Woerner等，在Nature Computational Science上發(fā)文，探討了噪聲對量子計算的影響，重點關注從噪聲量子計算機中采樣比特串的挑戰(zhàn)，以及對優(yōu)化和機器學習的影響。

　　圖1: N=6時的ZZ功能圖。

　　圖2: 50個量子比特的保真度估計。

　　圖3: 40量子位的量子近似優(yōu)化算法quantum approximate optimization algorithm，QAOA結果。

　　圖4: 在127個量子比特上，隨機硬件兼容的高階伊辛模型(最小化組合優(yōu)化問題)進行采樣的量子近似優(yōu)化算法QAOA結果。

　　參考文獻：今日材料論文 

　　從有噪聲的量子計算機中提取好樣本，正式量化了采樣開銷，并將關聯(lián)層保真度(確定有噪聲的量子處理器性能度量)。還利用噪聲樣本的條件值風險，確定了無噪聲期望值的可證明界限。還討論了如何在不同的算法中利用這些界限，在涉及多達127個量子比特的真實量子計算機上，通過實驗證實了這一發(fā)現(xiàn)。結果表明與理論預測高度一致。