该论文系统地分析了基于样本的量子对角化（Sample-based Quantum Diagonalization, SQD）方法在硬件实现中的鲁棒性。SQD 是一种混合量子-经典方法，它用基于量子处理单元（QPU）采样结果的自洽恢复循环替代了变分优化。尽管 SQD 被认为对噪声样本和不完美的经典输入具有鲁棒性，但其在实际部署中的鲁棒性尚未得到系统分析。因此，预算（shot budgets）、量子比特布局、噪声缓解策略以及初始化 Ansatz 的耦合簇单双（CCSD）振幅等参数往往缺乏明确的实验指导。论文在 IBM Heron 硬件上对 SQD 的鲁棒性进行了分析，涉及这些维度。实验发现：结构化的 CCSD 振幅扰动（包括完全归零）仅导致与清洁基线相比适度的能量偏移；不同布局和噪声缓解设置之间的差异在第一次恢复迭代中较大，但在几次迭代后迅速缩小；精度在中等预算时达到饱和，而过大的预算反而略微恶化恢复的能量，这可能是由于工作集选择限制了额外样本的价值。这些结果揭示了 SQD 在哪些方面提供了真正的部署鲁棒性，以及其局限所在。适合量子计算研究者和基于硬件的算法设计者阅读。