（本文共1457字，预计阅读时间：4分钟）
（剑桥量子科学家所做的研究工作使量子计算机更接近于解决现实世界问题的实用设备）
剑桥量子继续推动将量子计算机纳入主流使用的研究，这次发表了两项研究，旨在让量子计算机在现阶段用于解决难题和复杂的计算。
在 LinkedIn的一份声明中，这些论文是在预印版arXiv发布的。一项研究是关于量子蒙特卡洛集成 （QMCI）， 另一项研究是关于量子振幅估计 （QAE）。
据该公司称，这项研究是实现实际量子计算的重要一步。
其中，关于QAE的研究认为，量子算法在噪声存在的情况下仍然能够很好地工作，这是嘈杂的中尺度量子或NISQ时代的一个重要问题。
研究人员写道："我们表明，QAE 是采用采样估计算法的理想候选方法，方法是使用 QAE 中使用的量子电路结构来获得定制噪声模型，然后用于在 NISQ 设备上执行时扩展 QAE 的范围。”
这个团队包括高级研究科学家史蒂芬·赫伯特：罗兰·吉查德，研究软件开发商和达伦·吴，所有剑桥量子。
为了证实这种方法的有效性，研究人员在IBM和霍尼韦尔的量子计算机上进行了实验。
这项工作填补了两个重大空白，这两篇论文是朝着能够将QMCI应用于现实世界问题迈出的重要一步。
"我们进一步展示了我们提出的噪声模型如何用于为QE的设计提供信息并改进参数，从而提出了如何实现噪音感知QAI的第一个建议，"该团队总结道。
第二篇论文补充了QAE研究，介绍了Q边际（Q-marginals），并演示了从其经典对应方构建量子采样电路。Q-边际是量子态编码某些概率分布的方式，可用于量子蒙特卡洛集成（QMCI），这种方法通过平均样本对概率分布的均值进行数值估计，并可用于帮助金融研究人员管理风险和制药公司找到治疗疾病的药物。
这项研究的作者赫伯特解释说，这项工作很重要，因为蒙特卡洛集成中的量子优势在于，相对于经典 MCI 中需要的样本数量而言，用于编码概率分布（QMCI）的量子状态的使用数量有所减少。因此，只有当准备此量子状态编码概率分布所需的操作数与生成经典样本所需的操作数相媲美时，它才会转化为计算优势。
剑桥量子和霍尼韦尔最近宣布合并，两个量子研究巨头完成了联姻。
相关链接：
https://arxiv.org/pdf/2109.04840.pdf
https://arxiv.org/pdf/2109.04842.pdf
https://thequantumdaily.com/2021/09/15/cambridge-quantum-scientists-release-two-studies-focusing-the-power-of-quantum-computing-to-solve-real-world-problems/m)
精 选 好 文
