错误外插、准概率求逆、后选等错误缓解技术，使得我们可以不进行纠错就在中等规模含噪声量子系统中运行复杂的算法，代价则是增加了测量的总次数。然而相干错误会在量子线路中累积，造成的影响很难预测和缓解。相比VQE和QAOA等固定深度的算法，量子虚时演化等需要迭代的算法对相干错误更加敏感。

近日，伯克利的研究人员在固定频率的一维链式超导量子系统中，将随机编译和错误缓解相结合，实现了高精度的横场Ising模型的虚时演化。随机编译通过Pauli旋转的方式，用单比特门随机旋转系统，等效于将噪声随机化，平均后就消除了错误对应的Pauli传输矩阵的非对角元，该过程不需要增加测量次数。两比特门CX和CZ门都用交叉共振相互作用实现。和随机基准的区别在于，随机编译在每个有两比特门的地方都需要进行旋转的逆操作，而不是在电路的最后进行一次逆操作。基于纯化的错误缓解技术通过用循环基准（cycle benchmarking）抽样测量Pauli传输矩阵的对角元，进而修正Bloch矢量的长度来处理剩下的退极化噪声。实验表明该系统中Bloch矢量的长度错误比角度错误多，因此纯化是可行的。同时运用随机编译和纯化，并增加随机的次数，可以让三比特的横场Ising模型虚时演化到基态的失真度以及能量和磁化强度的估计误差都低于1%，这是单独用其中一种技术达不到的。

该工作表明随机编译可以减少相干噪声，配合纯化缓解错误，能提高量子系统运行迭代算法的性能，且由于错误传播速度有限，该方案对规模化系统依然有效。如果使用Pauli衰减较小的子空间进行运算，或使用比纯化更复杂的错误缓解技术，还能进一步提高性能。

论文信息：https://arxiv.org/abs/2104.08785v1