作者: Durgesh Pandey, Ankit Kumar Das, P. Arumugam

1. 核心物理图象

这篇论文的核心物理图象是：利用当前嘈杂中等规模量子（NISQ）计算机，通过一种称为“基于采样的量子对角化”（Sample-based Quantum Diagonalization, SQD）的混合量子-经典方法，来解决传统超级计算机难以处理的原子核壳模型计算问题。作者以原子核 32Mg 为例，该核素处于“反转岛”区域，表现出强关联和形变，其所需的 Hilbert 空间维度高达 2^48，远超经典直接对角化的能力。文章的核心贡献是首次将 SQD 框架应用于核壳模型，证明了该方法能在现有含噪声量子硬件上高效采样关键组态，并在经典计算机上进行精确对角化，从而在保持精度的同时，绕过了 VQE 等变分算法对深量子线路和实时反馈的依赖，实现了对大型核结构问题的可扩展求解。

2. 关键术语解释

• Sample-based Quantum Diagonalization (SQD)：一种混合量子-经典算法。它利用量子计算机仅作为“采样器”，从准备好的近似量子态中测量出大量基组态（bitstrings），然后经典计算机根据这些样本筛选出重要的组态构建一个小型子空间，并在其上投影哈密顿量并进行精确对角化。它的作用是在避免深线路和噪声累积的同时，有效截断巨大的 Hilbert 空间，从而求解基态和低激发态能量。
• NISQ (Noisy Intermediate-Scale Quantum)：指当前含噪声、中等规模的量子计算机，它不具备完全纠错能力。论文强调 SQD 框架天然耐受硬件噪声，因为噪声主要影响基组态的选择而非最终特征值，这使得它在实际 NISQ 设备上可行。
• UCCSD (Unitary Coupled Cluster Singles and Doubles)：一种用于制备量子试验态的幺正算符，它通过对 Hartree-Fock 参考态施加单激发和双激发算符来引入组态混合。在本文中，它被用作 SQD 的浅层 ansatz，只需与目标态有足够的重叠即可，无需完全优化。

3. 主要贡献 (Key Contributions)

1. 首次将 SQD 应用于核壳模型计算：作者创新性地将 SQD 框架从量子化学扩展到了核物理，针对 38Ar 基准核验证了其数值精度，并成功扩展到 32Mg。这是对现有量子模拟核结构方法（如 VQE 和 QPE）的重要补充。
2. 解决了经典方法无法逾越的内存瓶颈：对于 40 个以上的自旋轨道，经典精确对角化因超出 768 GB RAM 而失败，而 SQD 能够在相同 HPC 系统上通过量子采样和经典子空间对角化继续求解，且结果的基态能量更接近实验值，展示了其优越的内存扩展性。
3. 显著提升计算效率：与 VQE 相比，SQD 对 QPU 的使用高效得多，仅需一次采样（无需迭代优化），例如在 38Ar 中 SQD 仅需 3.16 秒完成基态和首激发态的计算，而 VQE 则需数百秒，且在噪声环境下 VQE 精度严重下降，而 SQD 仍保持精度。
4. 证明了 SQD 在 NISQ 硬件上的实用性：通过云端连接 IBM Heron 量子处理器和经典 HPC 集群，论文展示了 SQD 在当前硬件上即可实现大规模壳模型计算的可行性，为量子优势的到来提供了更现实的技术路径。

4. 研究方法 (Methodology)

作者采用了一个混合量子-经典工作流。首先，将核壳模型哈密顿量表达为二次量子化形式，并通过 Jordan-Wigner 变换转化为 Pauli 算子（SparsePauli 形式），每个自旋轨道映射到一个量子比特。然后，以一个 UCCSD 算符作用在 Hartree-Fock 态上构建一个浅层 ansatz（无需精确优化），该 ansatz 被施加在量子硬件（IBM Heron 和 Eagle）上进行一次大规模采样，产生大量测量位串。经典计算端对这些位串进行后处理，通过噪声过滤和粒子数守恒等对称性筛选，保留大概率组态，构建一个小型子空间（维度 n ≈ 10^2 到 10^3）。之后，将原始哈密顿量投影到该子空间上形成一个小矩阵，并用经典方法（如密集或稀疏对角化）精确求解。最后，利用自洽迭代（根据平均轨道占据数生成新组态）改进子空间，直到能量收敛。该方法与之相比，完全避免了 VQE 的反复迭代和深线路，从而消除了反馈延迟和梯度消失问题。

5. 实验结果与结论 (Results and Conclusion)

实验结果表明，对于基准核 38Ar，SQD 能够在无噪声和真实噪声情况下，精确复现经典精确对角化的基态和首激发态能量（如 -152.677 和 -149.225 MeV），而 VQE 在噪声下偏差显著（-139.873 MeV）。对于 32Mg，SQD 在 40 个自旋轨道时得到的基态能量（-121.564 MeV）比经典受限计算（-96.328 MeV）更接近实验值（-122.012 MeV），而经典方法在 44 和 48 个轨道时因内存不足（OOM）无法计算，SQD 仍能给出有意义的近似值（-103.261 和 -102.445 MeV）。论文结论指出，SQD 凭借其抗噪声特性和内存优势，是目前 NISQ 硬件上最实用的混合算法之一，为未来大规模核结构模拟开辟了新途径。然而，文中也提到有限采样次数导致统计误差，使得 44 和 48 轨道情况的能量未完全收敛，这需要更多的 QPU 资源；此外，对于需要全部组态参与的强关联体系，SQD 的截断可能不高效，这仍是开放问题，未来可结合资源高效协议或更先进的量子硬件来进一步优化。

6. 论文标签 (Tags)

量子算法, 模拟, 物理硬件, 量子复杂性

📄 点击此处展开/折叠原文 PDF

原文链接： Scalable nuclear shell model calculations on noisy quantum computers