量子行走评分：在图节点查找问题上基准测试量子计算机
Quantum WalkScore: Benchmarking Quantum Computers on the Graph Nodefinding Problem
浏览论文内容
中文总结 AI 辅助
本文提出量子行走评分（QWS）基准，用于评估量子计算机在解决图节点查找问题上的性能，通过评分最大可解问题规模，并在IBM真实量子处理器上验证。
中文摘要 AI 辅助
近期量子计算硬件向容错方向的发展，增加了人们对在应用相关的量子算法上评估近期量子平台的兴趣。在这项工作中，我们引入了量子行走评分（QWS），一种可扩展的、面向应用的基准测试，旨在评估NISQ和未来容错量子计算机在执行基本量子例程——离散时间量子行走和量子振幅放大——以解决图节点查找问题（标记顶点搜索）时的性能。QWS通过为指定目标节点能够以超过定义阈值的成功概率被找到的最大问题规模进行评分来量化性能。除了完整的协议描述外，我们还提供了基于无噪声模拟结果设计的示例参数选择场景，并通过在IBM多代真实量子处理器上的实验运行展示了QWS评估。
英文摘要
Recent advances in quantum computing hardware toward fault-tolerance have increased interest in evaluating near-term quantum platforms on application-relevant quantum algorithms. In this work, we introduce Quantum WalkScore (QWS), a scalable application-oriented benchmark designed to assess the performance of NISQ and future fault-tolerant quantum computers in executing essential quantum routines --discrete-time quantum walks and quantum amplitude amplification-- to solve the graph nodefinding problem (marked-vertex search). QWS quantifies performance by scoring the largest problem size for which a designated target node can be found with success probability above a defined threshold. In addition to the complete protocol description, we provide example parameter-selection scenarios designed from noiseless simulation results and demonstrate QWS evaluation through experimental runs on multiple generations of IBM real quantum processors.
发表机构
- CortAIx Labs, Thales Research and Technology（CortAIx实验室，泰雷兹研究与技术）
机构由 AI 辅助整理，请以论文原文为准。
