Application-Driven Benchmarking of the Traveling Salesperson Problem: a Quantum Hardware Deep-Dive
本文以旅行商问题为例，对中性原子、离子阱和超导等多种量子硬件进行应用驱动的基准评测，揭示运行实际应用所需步骤及各技术相对效率，为从应用角度理解量子计算能力提供依据。
2025-07-22 quant-ph
Hardware-efficient random circuits to classify noise in a multi-qubit system
在这项工作中，我们扩展了一个多量子位基准测试技术，称为装箱输出生成（BOG），以区分相干和非相干噪声源之间的多量子位制度。虽然存在在单个和几个量子比特水平上区分相干噪声和非相干噪声的方法，但这些方法在几个量子比特之外的扩展性很差，或者必须对噪声的形式做出假设。在频谱的另一端，存在系统级基准测试技术，但无法区分相干和非相干噪声源。我们在两个量子位的制度下对随机基准测试（RB）（行业标准基准测试技术）进行了实验验证，然后将这种技术应用于六个量子位的线性链，这是RB目前无法访问的制度。在这个实验中，我们在每个量子比特上注入一个瞬时相干Z型噪声，并证明测量的相干噪声与注入噪声的大小正确地成比例，而测量的非相干噪声保持不变，如预期的那样。这证明了一种在各种硬件中测量相干误差的鲁棒技术。
2021-04-22 quant-ph
GRADE: Grover-based Benchmarking Toolkit for Assessing Quantum Hardware
本文提出开源基准测试工具包GRADE，利用广义Grover算法评估量子硬件可靠性，通过分析搜索结果概率分布衡量准确性与稳定性，并提供多目标评分函数，在多平台验证了其适应性。
2025-04-27 cs.ET quant-ph
Benchmarking quantum error-correcting codes on quasi-linear and central-spin processors
我们评估小的纠错码的性能，我们定制的硬件平台非常不同的连接性和一致性：在超导处理器的基础上transmon量子位和自旋电子量子寄存器组成的氮空位中心的钻石。考虑到硬件特定的错误和连接，我们调查的依赖关系，所产生的逻辑错误率的平台功能，如本地门，本地连接，门时间，和一致性时间。使用给定硬件参数化的标准误差模型，当在超导量子设备上运行代码时，我们模拟性能并将这些预测与实验结果进行基准测试。结果表明，对于小程序，超导装置的准线性布局是有利的。然而，对于涉及多量子比特控制操作的代码，色心的中心自旋连接性使得错误率更低。
2022-07-13 quant-ph
A Comprehensive Cross-Model Framework for Benchmarking the Performance of Quantum Hamiltonian Simulations
提出一种评估基于门的量子计算机上Trotterized量子哈密顿量演化的综合框架，通过三种模式在五个模型上测试，揭示硬件算法局限并确定量子优于经典的交叉点。
2024-09-11 quant-ph
Benchmarking the Variational Quantum Eigensolver using different quantum hardware
本文通过标准化VQE实验模拟氢分子，对比超导与离子阱量子硬件，结合校准数据及转译后电路深度和门数分析，为不同硬件架构在量子化学模拟中的适用性提供实证基准。
2023-05-11 quant-ph
A flexible high-performance simulator for verifying and benchmarking quantum circuits implemented on real hardware
在这里，我们提出了qFlex，一个灵活的张量网络的量子线路模拟器。qFlex可以计算量子硬件验证所必需的精确幅度，也可以计算低保真度幅度，以模拟噪声中等规模量子（NISQ）设备的采样。在这项工作中，我们专注于随机量子线路（RQC）的规模范围内预期的至高无上的实验。保真度$f$模拟以低于完美保真度的成本$1/f$来执行。我们还提出了一种技术，以消除在大多数张量网络方法的拒绝采样引入的开销。我们对正方形格子和Google的Bristlecone QPU进行了基准测试。我们的分析得到了NASA HPC集群Pleiades和Electra的广泛模拟的支持。对于我们计算要求最高的模拟，两个集群组合达到了20 PFLOPS（单精度）的峰值，即，$64\%$的最大可实现的性能，这代表了最大的数值计算方面的持续FLOP和节点数量利用以往任何时候都运行在美国宇航局HPC集群。最后，我们介绍了一种新的多线程，高速缓存效率张量索引置换算法的一般应用。
2019-10-10 quant-ph
Benchmarking Embedded Chain Breaking in Quantum Annealing
量子退火通过寻找嵌入的哈密顿量的能量基态来解决组合优化问题。然而，在嵌入的哈密顿量下的量子退火动力学可能违反绝热演化的原理，并产生对应于计算解中的误差的激发。在这里，我们凭经验基准链断裂的概率，并确定甜蜜点解决一套嵌入式哈密顿。我们进一步将量子退火硬件中链断裂的物理位置与底层嵌入技术相关联，并在量身定制的后处理策略中使用这些局部化速率。我们的结果展示了如何使用量子退火硬件的表征来调整嵌入的哈密顿量并消除计算误差。
2021-04-07 quant-ph
Benchmarking near-term quantum computers via random circuit sampling
近期量子硬件规模的不断增加激发了对有效噪声表征方法的需求，因为量子位和门级技术无法捕获许多量子位系统中的串扰和相关噪声。虽然可扩展的方法，如循环基准测试，是已知的特殊类别的量子线路，在一般电路的噪声与非克利福德门的表征一直是一个遥不可及的任务。我们开发了一种算法，可以采样有效地估计由任意非Clifford门层引起的噪声总量，包括所有串扰，并在IBM Quantum硬件上实验演示了该方法。我们的算法受到Google量子霸权实验的启发，基于随机电路采样。在他们的论文中，谷歌观察到他们的实验线性交叉熵与一个简单的不相关噪声模型一致，并声称这种巧合表明他们设备中的噪声是不相关的-这是硬件开发迈向容错的关键一步。作为一个应用，我们表明，我们的结果提供了正式的证据来支持这样的结论。
2022-04-19 quant-ph
Benchmarking Noise Extrapolation with OpenPulse
从噪声中尺度量子（NISQ）数据中提取精确估计最近引起了相当大的关注。为了增强数字量子比特度量，如门保真度，我们讨论模拟误差缓解能力，即准确提取精确可观察估计的能力，作为混合量子经典计算基准测试任务。具体来说，我们的特点是单量子比特错误率IBM的波基普西超导量子硬件，将控制介导的噪声依赖到一个广义的重新缩放协议，并分析噪声特性如何影响理查森外推为基础的错误缓解。我们的研究结果确定区域的空间中的哈密顿控制领域和电路深度，这是最可靠的噪声外推，以及如何低级别的硬件表征，可以用来作为预测工具的不确定性量化在错误减轻NISQ计算的光。
2019-09-11 quant-ph
Benchmarking gate-based quantum devices via certification of qubit von Neumann measurements
本文介绍开源库PyQBench的更新版本，通过集成量子测量认证方案并支持IBM Q设备，为NISQ时代提供可靠的量子比特冯·诺依曼测量基准测试工具。
2025-06-04 quant-ph
Quantum Computer Benchmarking: An Explorative Systematic Literature Review
本研究针对量子计算领域基准测试方法适配多元利益相关方的问题，开展全面系统文献综述，结合NLP聚类与专家分析构建层级分类体系与标准术语，梳理领域现状与空白，为基准测试发展与跨学科合作奠基。
2025-09-03 quant-ph
From Circuits to Hardware: Benchmarking Standard and Qubit-Efficient Quantum Optimization on Real Hardware
School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系）；Institute of High Performance Computing, A*STAR（A*STAR高性能计算研究所）
该研究在四个NP难问题上对多种量子优化算法进行真实硬件基准测试，包括VQE、QAOA等，还涉及量子比特高效方法。通过多种组合测试，报告了电路大小、硬件结果及保真度代理等，得出不同问题的瓶颈及算法表现结论，量子比特高效方法在保真度预算内扩展了实例大小。
2026-08-10 quant-ph
Benchmarking MedMNIST dataset on real quantum hardware
Lerner Research Institute（勒纳研究所）；Cleveland Clinic（克利夫兰诊所）
本研究首次在127量子比特IBM真实量子硬件上对MedMNIST医学影像数据集开展QML基准测试，结合器件感知电路、误差抑制缓解等技术，验证了纯量子模型用于医学图像分类的可行性，为医疗领域QML发展建立了基准。
2025-03-19 cs.LG quant-ph
Qutrit randomized benchmarking
三进制量子处理器提供了优于传统量子比特技术的显著计算优势，利用了量子比特（三层系统）中的量子信息的编码和处理。为了评估和比较这种新兴量子硬件的性能，必须有适用于高维希尔伯特空间的鲁棒基准测试方法。我们展示了扩展的行业标准的随机基准（RB）协议，开发和广泛使用的量子位，适用于三进制量子逻辑。使用超导五象限处理器，我们发现一个单象限门失真低至$2.38 \times 10^{-3}$。通过交错RB，我们发现，这种quutrit门误差在很大程度上是由本地（量子位类）门保真度的限制，并采用同步RB充分表征串扰误差。最后，我们将循环基准测试应用于一个二阶CSUM门，并获得了$0.82$的二阶工艺保真度。我们的研究结果表明，基于RB的工具，以表征获得的整体性能的QUTRIT处理器，和一般的方法来诊断控制错误，在未来的QUTIT硬件。
2020-08-20 quant-ph
Metriq: A Collaborative Platform for Benchmarking Quantum Computers
Unitary Foundation（Unitary基金会）；Quantum Circuits, Inc.（量子电路公司）；QED-C Technical Advisory Committee on Standards and Performance Benchmarks（QED-C标准与性能基准技术咨询委员会）；University of Central Florida（中佛罗里达大学）；Unitary Fund France（Unitary法国基金）；Quantonation
Metriq是一个开源协作平台，用于可重复的跨平台量子计算机基准测试，通过统一的工作流程整合基准定义、执行、数据收集和公开展示，提供系统级和应用级的性能评估，并引入Metriq分数作为综合性能指标。
2026-03-09 quant-ph
Probing quantum advantage for solving the Fermi-Hubbard model with entropy benchmarking
本研究提出一种关联量子处理器熵累积与优化问题求解退化的硬件无关量子优势基准框架，基于能量-熵空间吉布斯态边界下逼近构建，可扩展至容错场景，已在二维Fermi-Hubbard基态求解中验证适用性。
2025-10-01 cond-mat.str-el quant-ph
Modeling Quantum Volume Using Randomized Benchmarking of Room-Temperature NV Center Quantum Registers
本文针对室温金刚石NV中心量子寄存器，通过实验校准误差模型并估计量子体积为8，展示了全对全连接下2、3量子比特门的竞争力，为统一量子硬件评估指标奠定基础。
2024-12-17 quant-ph
Benchmarking Modular Optimization Strategies for Parameterized Quantum Circuits
Alexandru Ioan Cuza University（亚历山德鲁·伊万·库扎大学）；FreeYa Mind Campus（FreeYa Mind园区）
提出模块化基准框架，分离搜索方向与参数更新，评估多种优化器在QAOA、QCNN和VQE上的性能，揭示工作负载依赖的目标变化与评估成本。
2026-10-08 quant-ph
Scalable Benchmarking Framework for Dynamic Quantum Circuits
University of Central Florida（中佛罗里达大学）；Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室）
本文提出dynamarq框架，用于表征和评估动态量子电路，通过收集多种应用的基准电路并分析其特征，实现高精度的保真度预测，支持跨硬件平台的参数迁移。
2026-09-16 cs.SE quant-ph
Benchmarking variational quantum eigensolvers for the square-octagon-lattice Kitaev model
本文针对硬件原生的正方-八边形晶格Kitaev模型，通过基准测试不同变分Ansatz和经典优化器，展示了基于HVA的混合优化方法的优势，并在Rigetti的Aspen-9芯片上验证了HVA电路的带错误缓解实现。
2023-08-01 quant-ph
Benchmarking the Variational Quantum Eigensolver through Simulation of the Ground State Energy of Prebiotic Molecules on High-Performance Computers
我们使用Qiskit软件包中的变分量子本征求解器（VQE）来计算来自水（H $_2$ O）和氰化氢（HCN）的小分子的基态能量。这项工作的目的是基准算法计算电子结构和能量表面的分子相关的前生物化学，开始与水和氰化氢，并运行它们在可用的模拟和物理量子硬件。小型量子处理器算法的数值计算使我们能够设计出更有效的协议，并在实际硬件中运行，以及分析它们的性能。未来在可访问的量子处理原型上的实现将对量子计算机进行基准测试，并使用启发式量子算法来测试量子优势。
2021-01-05 quant-ph
Quantum benchmarking with realistic states of light
量子基准测试的目标是证明不完美的量子通信设备（例如，量子信道、量子存储器、量子密钥分发系统）仍然可以用于有意义的量子通信。然而，在量子基准测试实验中使用的测试状态也可能是不完美的。许多量子基准仅对匹配某些理想形式的状态有效，例如纯态或高斯态。我们概述了如何使用任意光状态进行量子基准测试。我们证明了这些结果使用实际数据从连续变量量子存储器。
2012-08-27 quant-ph
Benchmarking the noise sensitivity of different parametric two-qubit gates in a single superconducting quantum computing platform
在单个量子计算平台上利用不同类型的双量子比特门的可能性增加了量子算法分解的灵活性。如果所有门都以高保真度实现，则更大的硬件本地门集合可以减少所需门的数量。在这里，我们基准控制Z（CZ）和交换型（iSWAP）门使用参数驱动的可调谐耦合器，介导两个超导量子比特之间的相互作用。使用随机基准测试协议，我们分别估计CZ和iSWAP门的$0.9\pm0.03\%$和$1.3\pm0.4\%$保真度的每个门的误差。我们认为，杂散$ZZ$型耦合的iSWAP门的主要误差源，和所有微波驱动器的相稳定性是至关重要的。在将量子算法映射到实际硬件时，必须考虑不同双量子位门的可实现的并行性的这种差异。
2020-05-14 quant-ph
Fair Benchmarking of Optimisation Applications
Maastricht University（马斯特里赫特大学）；TNO（荷兰应用科学研究组织）
本文提出了一种公平评估量子优化应用的框架，强调端到端工作流程、透明调优和问题多样性，以提高评估的可重复性和可信度。
2025-12-08 quant-ph
Benchmarking an 11-qubit quantum computer
在过去的20年里，量子计算领域已经从概念发展到演示设备。通用量子计算提供了解决科学和商业问题的效率，例如分解大量数据，搜索数据库，模拟量子物理学的棘手模型，以及优化复杂的成本函数。在这里，我们提出了一个11量子位的全连接，可编程量子计算机中的捕获离子系统组成的13个$^{171}$ Yb $^{+}$离子。我们证明了99.5 $\%$的平均单量子位门的量子数，97.5 $\%$的平均双量子位门的量子数，和状态准备和测量误差为0.7 $\%$。为了说明这个通用平台的功能，并提供与类似大小的设备进行比较的基础，我们编译伯恩斯坦-Vazirani（BV）和隐藏移位（HS）算法到我们的本地门，并在硬件上执行它们，平均成功率分别为78 $\%$和35 $\%$。这些算法可以作为任何类型量子硬件的优秀基准，并表明我们的系统优于所有其他当前可用的硬件。
2019-03-19 quant-ph
On the Emerging Potential of Quantum Annealing Hardware for Combinatorial Optimization
在过去的十年中，量子退火硬件在组合优化中的有用性一直是许多争论的主题。到目前为止，实验基准研究表明，量子退火硬件并没有提供比最先进的最优化方法无可辩驳的性能增益。然而，随着硬件的不断发展，每次新的迭代都会带来更好的性能，并保证进一步的基准测试。为此，本研究对D-Wave Systems最新的Advantage Performance Update计算机进行了优化性能评估，该计算机可以原生地解决具有超过5，000个二进制决策变量和40，000个二次项的稀疏无约束二次最优化问题。我们证明，类人为的问题存在，这个量子退火机可以提供运行时的好处超过一个集合的建立经典解的方法，代表了目前最先进的基准量子退火硬件。虽然这项工作并没有提出强有力的证据证明这种新兴的优化技术具有无可辩驳的性能优势，但它确实表现出令人鼓舞的进展，表明了对未来实际优化任务的潜在影响。
2022-10-09 math.OC quant-ph
Phase-Sensitive Benchmarking of Composite Quantum Gates with Chiral-Interference Circuits on Quantum Hardware
Sofia University（索非亚大学）
研究利用手征干涉电路对复合量子门进行相敏基准测试，构建并实验实现相关电路，在IBM量子处理器上测试。通过引入误差比较单比特与复合门鲁棒性，发现H5s/X5序列表现突出，三级电路有类似增强及误差抵消对称性。
2026-07-21 quant-ph
Benchmarking Quantum Computers and the Impact of Quantum Noise
基准测试是如何确定计算系统的性能。令人惊讶的是，即使对于经典计算机，这也不是一个简单的过程。必须选择适当的基准和指标来提取有意义的结果。不同的基准测试以不同的方式测试系统，每个单独的度量可能会或可能不会感兴趣。选择合适的方法是棘手的。对于量子计算机来说，情况更加开放，其中有更广泛的硬件，更少的既定指导方针和额外的复杂因素。值得注意的是，量子噪声会显著影响性能，并且难以准确建模。在这里，我们从计算机体系结构的角度讨论量子计算机的基准测试，并提供数值模拟，突出表明谨慎的挑战。
2021-05-06 quant-ph
Measuring NISQ Gate-Based Qubit Stability Using a 1+1 Field Theory and Cycle Benchmarking
限制在噪声中间尺度量子（NISQ）机器上实现应用的一些最成问题的问题是不相干和相干误差的不利影响。我们使用横向场伊辛模型哈密顿量作为样本用户应用程序，在量子硬件平台上对相干误差进行了深入研究。我们在这里报告这些计算的结果，使用几种错误缓解协议，这些协议描述了这些错误，并提供了硬件量子位稳定性的指示。通过一组详细的测量，我们确定了日间和日间量子比特校准漂移以及量子线路放置对处理器上不同物理位置的量子比特组的影响。本文还讨论了这些测量如何更好地理解这些类型的错误，以及它们如何改善验证量子计算准确性的努力。
2022-01-08 quant-ph
Benchmarking Quantum(-inspired) Annealing Hardware on Practical Use Cases
量子退火算法在解决组合优化问题的实践中显示出了希望。已经有广泛的研究证明了D-Wave量子退火机和量子退火机的实用性，即，富士通数字退火机的各种应用，但很少有作品比较这些平台。在本文中，我们基准量子（启发）退火与三个组合优化问题，从一般的科学问题，在实际使用中的复杂问题。在问题的大小超出量子（启发）计算机的能力的情况下，我们在分解的上下文中评估它们。实验表明，这两个退火是有效的问题与小尺寸和简单的设置，但失去他们的效用时，面对的问题，在实际的大小和设置。分解方法扩展了退火炉的可扩展性，但离实际使用还很远。基于实验和比较，我们讨论了量子退火的优点和局限性，以及可能提高这些新兴计算技术的实用性和可扩展性的研究方向。
2022-09-24 cs.ET quant-ph
Randomized Benchmarking with Stabilizer Verification and Gate Synthesis
最近，出现了噪声中间尺度量子（NISQ）设备的有用应用，特别是在量子机器学习和变分量子算法领域。在这样的应用中，各种深度的电路和组成的不同的门组上运行NISQ设备。因此，至关重要的是找到实用的方法来捕捉这些设备上的电路的一般性能。出于这种迫切的需要，我们修改了标准的克利福德随机基准测试（RB）和交错RB计划针对他们的硬件限制。首先，我们删除的要求，并假设，逆算子，在克利福德RB纳入技术从量子验证。这引入了另一个评估NISQ硬件质量的品质因数，即量子验证的接受概率。许多量子算法，提供了一个优势，超过经典算法，要求使用克利福德以及非克利福德门。因此，作为我们的第二个贡献，我们开发了一种技术，用于表征各种非克利福德门，通过门合成与交错RB相结合的工具。我们的技术是最相关的RB计划，基准发电机（或本地门）的Clifford组，并在低误差制度结合使用时。
2021-02-25 quant-ph
A generative modeling approach for benchmarking and training shallow quantum circuits
混合量子经典算法提供了将噪声中等规模量子计算机用于实际应用的方法。扩展这些技术的组合，我们提出了一个量子线路学习算法，可用于辅助量子器件的表征和生成任务的训练浅电路。该过程通过使用本机门及其量子位连接性来最大限度地利用量子硬件功能。我们证明了我们的方法可以学习Greenberger-Horne-Zeilinger状态（也称为“猫状态”）的最佳制备。我们进一步证明，我们的方法可以有效地准备近似表示的相干热态，波函数编码玻尔兹曼概率在其振幅。最后，为了补充描述近期量子设备（如IBM的量子卷）的功率或有用性的建议，我们提供了一个新的独立于硬件的度量标准，称为qBAS分数。它是基于一个特定的采样任务的性能收益率在一个典型的机器学习数据集称为酒吧和条纹。我们展示了纠缠如何成为编码该数据集模式的关键因素;这是从四个量子位开始测试硬件的理想基准。我们提供了实验结果和评估这个度量探测几个架构电路设计和电路深度之间的权衡离子阱量子计算机。
2019-06-02 quant-ph
Benchmarking 16-element quantum search algorithms on superconducting quantum processors
我们提出了在IBM量子处理器上运行4量子位非结构化搜索的实验结果。我们最好的尝试达到了24.5%左右的成功概率。我们尝试了几种算法，并使用量子搜索的最新发展来减少纠缠门的数量，这些纠缠门目前被认为是量子计算中错误的主要来源。将算法性能的理论预期与实际数据进行比较，我们探索了硬件限制，显示了量子处理器上性能的急剧，相变式退化。我们的结论是，这是非常重要的设计硬件感知算法，并包括任何其他低层次的优化NISQ设备。
2021-01-19 cs.DS quant-ph
HamLib: A library of Hamiltonians for benchmarking quantum algorithms and hardware
针对量子计算基准测试缺乏大量问题实例的需求，提出含2至1000量子比特多种问题实例的HamLib数据集，以节省研究时间、支持全面测试并实现研究间的可重复性与标准化。
2024-11-18 cond-mat.other physics.chem-ph physics.comp-ph
Error-mitigation aware benchmarking strategy for quantum optimization problems
University of Edinburgh（爱丁堡大学）
本文提出了一种面向量子优化问题的误差缓解意识基准测试策略，通过结合有限样本统计和量子误差缓解的资源开销，量化量子优势并评估潜在的实用量子优势。
2026-01-26 quant-ph
Benchmarking of quantum processors with random circuits
尺寸在10-100量子比特范围内的量子处理器现在越来越常见。然而，随着规模的增加，基准测试的复杂性也随之增加。给定设备的有效性在不同任务之间可能会有很大差异，并且并不总是容易从单量子位和双量子位门的性能来预测。出于这个原因，评估处理器在一系列重要任务中的质量非常重要。在这项工作中，我们提出并实现基于随机量子线路的测试。这些用于评估多个不同的超导量子位设备，大小从5到19个量子位，来自两个硬件制造商：IBM Research和Rigetti。对数据进行分析，以定量描述器械的性能。我们还描述了它如何可以被用于一个定性的描述访问外行，作为一个游戏。
2018-06-07 quant-ph
Demonstration of Robust Quantum Gate Tomography via Randomized Benchmarking
典型的量子门层析成像协议与自一致性问题作斗争：在没有初始状态和最终测量的知识的情况下不能重建门操作，但是在没有良好表征的门的情况下不能获得这样的知识。最近提出的技术，被称为随机基准断层扫描（RBT），回避这个自我一致性问题，设计实验是不敏感的准备和测量的缺陷。我们在超导量子比特系统中实现了这一提议，使用了一些实验改进，包括在单个“原子”脉冲和自定义控制硬件中实现Clifford组的每个元素，以实现大开销协议。我们展示了几个单量子位量子门的稳健重构，包括Clifford群外的幺正。我们证明，RBT产生的物理门重建是一致的随机基准获得的qualities。
2015-05-25 quant-ph
Benchmarking Quantum Hardware for Training of Fully Visible Boltzmann Machines
KindredAI；D-Wave Systems（D-Wave系统公司）
量子退火（QA）是一种基于硬件的启发式优化和采样方法，适用于离散无向图模型。虽然类似于模拟退火，但QA依赖于量子效应而不是热效应来探索复杂的搜索空间。对于许多类的问题，QA是已知的，以提供计算上的优势，模拟退火。在这里，我们报告最近的QA硬件的能力，以加速训练完全可见的玻尔兹曼机。我们描述了QA硬件的采样分布，并表明在许多情况下，量子分布与经典玻尔兹曼分布显着不同。尽管存在这种差异，使用标准经典梯度更新的训练（旨在匹配数据和模型统计数据）仍然有效。我们研究了使用QA作为对比发散（CD）和持续对比发散（PCD）的替代品来播种马尔可夫链。使用$k=50$吉布斯步骤，我们表明，高能量障碍模式之间的问题，基于QA的种子可以改善链CD和PCD初始化。对于这些困难的问题，QA梯度估计更准确，并且允许更快的学习。此外，有趣的是，即使是原始QA样本（即，$k=0$）也实现了类似的改进。我们认为，这与我们在这种情况下训练量子而不是经典玻尔兹曼分布的事实有关。所学习的参数产生硬件QA分布，其紧密地近似难以用CD/PCD训练的经典玻尔兹曼分布。
2016-11-14 cs.LG quant-ph stat.ML
QuAS: Quantum Application Score for benchmarking the utility of quantum computers
本文提出融合QPack与Q-score优点的量子应用评分QuAS，以更准确地量化量子计算机的实际效用，并在D-Wave、IBM及多种量子模拟器上完成验证。
2024-06-06 quant-ph
Benchmarking Quantum Architecture Search with Surrogate Assistance
Fraunhofer FOKUS（弗劳恩霍夫福库斯研究所）
针对量子架构搜索(QAS)缺乏统一基准且资源需求高的问题，本文提出基于代理模型的基准SQuASH，实现了QAS方法的统一比较与评估加速，并开源代码与数据集以支持快速原型设计与复现。
2025-10-12 quant-ph
Benchmarking Quantum Algorithmic Resilience for CVaR Portfolio Optimization: The Expressibility-Coherence Trade-off
Prashik N. Somkuwar, K. Srinivasan, G. Raghavan（普拉希克·N·索姆库瓦尔、K·斯里尼瓦森、G·拉加万）
针对混合均值方差与条件风险价值投资组合优化，对比硬件高效变分量子神经网络与热启动量子近似优化算法，揭示NISQ设备上算法可表达性与硬件相干性之间的关键权衡。
2026-06-05 cs.CL math.OC q-fin.PM
BenchQC -- Scalable and modular benchmarking of industrial quantum computing applications
Fraunhofer Institute for Cognitive Systems IKS（弗劳恩霍夫认知系统研究所）；Fraunhofer Institute for Integrated Circuits IIS（弗劳恩霍夫集成电路研究所）；Reply SE, Machine Learning Reply GmbH（Reply股份公司，机器学习Reply有限公司）；OptWare GmbH（OptWare有限公司）
BenchQC通过开源平台QUARK实现工业量子应用的可扩展和模块化基准测试，旨在揭示量子计算应用中的关键趋势和实用性指导。
2025-04-15 quant-ph
Benchmarking Error Mitigation: Artefactual Improvements in Zero-Noise Extrapolation
Technical University of Applied Science Regensburg（雷根斯堡应用科技大学）；Siemens AG, Foundational Technology（西门子集团基础技术）
研究量子误差缓解基准测试中零噪声外推的失效模式，当噪声放大超出可用信号时会产生虚假改进。通过真实硬件测量证实，引入匹配成本负控制和零成本检查标志，提炼出ZNE基准测试报告清单。
2026-08-04 quant-ph
A framework for randomized benchmarking over compact groups
实验系统的表征是开发和改进量子硬件的重要步骤。在过去的十年中，开发了一系列称为随机基准测试（RB）的协议，它提供了一种有效的方法来测量量子系统中的错误率。在最近的论文（arxiv：2010.07974）中，提出了RB的一般框架，其包括大多数已知RB协议，并且克服了先前工作中错误模型的限制。然而，即使是这个通用框架也有一个限制：它只能应用于有限的门组。这不满足实验提出的需要，特别是对量子器件上的非Clifford门和连续门集进行基准测试的需求。在这项工作中，我们推广的RB框架连续组的门，并表明，只要噪声水平是合理的小，输出可以近似为矩阵指数衰减的线性组合。作为一个应用程序，我们数值研究了完全随机基准协议（即RB与整个酉群作为门集），使我们的证明。这为在实验中估计任何量子门的门保真度提供了一种统一的方法。
2021-11-19 quant-ph
Benchmarking Atomic Ionization Driven by Strong Quantum Light
Shanghai Jiao Tong University（上海交通大学）
本文通过求解量子化时间依赖薛定谔方程，揭示了Q表示法在描述强量子光与原子相互作用时的局限性，并提出基于费曼路径积分的理论框架以正确捕捉电子-光子量子纠缠。
2025-12-17 quant-ph
Benchmarking Quantum Convolutional Neural Networks for Classification and Data Compression Tasks
本文基准评测了QCNN与HEA在量子基态相分类和量子态压缩任务中的表现，发现采用RY门的QCNN能以更少可训练参数实现更快训练且性能与HEA相当。
2024-11-20 quant-ph
Neural Network Architectures for Scalable Quantum State Tomography: Benchmarking and Memristor-Based Acceleration
该研究针对量子态层析受希尔伯特空间指数增长限制的问题，基准测试多种神经网络架构在纯/混合态重构中的表现，明确CNN、CGAN扩展性最优，同时探讨忆阻器存内计算可加速模型，为量子-经典协同设计奠基。
2025-07-30 quant-ph
Benchmarking the Impact of Active Space Selection on the VQE Pipeline for Quantum Drug Discovery
QureGenAI(aka AceMapAI) Suzhou Biotechnology Co.,Ltd（聚元基因（又名爱科迈）苏州生物科技有限公司）；China Pharmaceutical University（中国药科大学）；Ningbo University of Technology（宁波工程学院）；Tencent Quantum Lab（腾讯量子实验室）；China Mobile (Suzhou) Software Technology Company Limited（中国移动（苏州）软件技术有限公司）
本研究提出首个系统性的主动空间驱动VQE基准测试，通过化学基础指标评估分子适合性，并量化不同主动空间选择对量子药物发现的影响。
2025-12-20 physics.chem-ph quant-ph
Benchmarking the performance of quantum computing software
提出开源基准测试套件Benchpress，含1000+测试（覆盖最多930量子比特、O(10⁶)双量子比特门电路）及统一执行框架，在7个量子软件包上生成结果，可适配硬件改进并预评估未来架构成本，保障性能声明透明可验证。
2025-02-16 quant-ph
Comparative Benchmarking of Utility-Scale Quantum Emulators
本研究对七种实用规模量子模拟器进行基准测试，发现基于MPS的模拟器性能最优，可在多项式时间内高保真模拟超100量子比特的电路，突破现有态矢模拟器和量子硬件的限制。
2025-04-18 quant-ph
From Promise to Practice: Benchmarking Quantum Chemistry on Quantum Hardware
Rensselaer Polytechnic Institute（伦斯勒理工学院）；IBM Quantum, IBM T.J. Watson Research Center（IBM量子，IBM托马斯·J·沃森研究中心）
本文在量子硬件上评估了SQD方法的准确性和精度，展示了其在不同化学反应中的表现及改进机会。
2025-11-30 math-ph math.MP quant-ph
Benchmarking Quantum Red TEA on CPUs, GPUs, and TPUs
Institute for Complex Quantum Systems, Ulm University（乌尔姆大学复杂量子系统研究所）；Dipartimento di Fisica e Astronomia "G. Galilei" & Padua Quantum Technologies Research Center, Università degli Studi di Padova（帕多瓦大学伽利略物理与天文系及帕多瓦量子技术中心）；INFN, Sezione di Padova（意大利国家核物理研究所帕多瓦分部）
本文比较了不同线性代数后端在异构硬件上的量子多体系统模拟，展示了量子红TEA在处理不同库和硬件张量方面的优势，通过张量网络方法求解变分搜索基态问题，实现34倍的加速。
2025-02-27 cond-mat.quant-gas quant-ph
A Sim-to-Real Study of Surface-Code Decoder Benchmarking
Purdue University（普渡大学）；Columbia University（哥伦比亚大学）；Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所）
本研究基于Willow处理器验证量子纠错解码器的仿真到真实排名假设，评估六款解码器及NVIDIA的Ising预解码器，发布完整评估流程与单次测量结果供后续研究使用。
2026-09-07 cs.LG quant-ph
