作者: John P. T. Stenger, C. Stephen Hellberg, Daniel Gunlycke

1. 核心物理图象

这篇论文的核心思想是提出一种 “混合变分量子算法” ，它将两种已有的量子算法——变分量子本征求解器(VQE) 和级联变分量子本征求解器(CVQE)——巧妙地结合起来。该算法使用一种叫**“非绝热态制备”**的技术来产生一个“引导态”（一个接近目标系统基态的近似量子态），然后通过对这个引导态进行多次测量，从测量结果中提取出一组重要的基矢，在这组基矢张成的子空间里，用经典计算机求解系统的基态能量。作者证明了这种混合方法能比单独使用VQE或CVQE更有效地利用当前有噪声的中等规模量子(NISQ)计算机，同时也适用于未来的容错量子(FTQ)计算机，起到了“承上启下”的桥梁作用。

2. 关键术语解释

• 非绝热态制备(Diabatic State Preparation): 这是生成“引导态”的核心方法。与需要精确、缓慢操控的“绝热态制备”不同，该方法通过一个快速的、非理想的“淬火”过程（即用很少的几个时间步长）来演化一个初始简单态。虽然这样制备的状态不是精确基态，但它能有效地“捕捉”到基态所在的主要子空间信息，为后续的精确计算提供了良好的起点。
• 引导态(Guiding State) & 子空间(Subspace): “引导态”是在量子计算机上直接制备出来的、包含目标系统基态成分的量子态。通过对这个态进行大量测量，我们得到一系列测量结果（即计算基矢），这些基矢和它们通过哈密顿量耦合到的其他基矢共同构成了一个“子空间”。论文的核心洞察是，真实基态的能量可以在这个有限的、通过测量得到的子空间内被非常精确地逼近，而无需在指数级巨大的完整希尔伯特空间中寻找。

3. 主要贡献 (Key Contributions)

1. 提出了VQE与CVQE的统一混合框架: 该算法创造性地将VQE（调节量子线路参数）和CVQE（基于测量结果构造子空间并经典优化）整合进一个流程中。量子线路的非绝热演化参数（时间步长、步长大小）本身就是VQE层面的变分参数，而后续的子空间对角化则是CVQE层面的优化。
2. 提出了适应不同发展阶段的量子计算机的分阶段策略: 论文通过数值模拟清晰展示了三种运行区间：小时间步数区（适合现有NISQ，变分优化有效）、中时间步数区（适合短期改进型量子计算机，无需变分，CVQE子空间方法本身就很有效）、大时间步数区（适合未来FTQ，直接实现绝热量子计算）。这使得算法具有高度通用性和前瞻性。
3. 在真实量子计算机上验证了算法的抗噪能力: 在IBM Brisbane量子处理器上对一个50轨道的大规模系统（经典计算机难以直接模拟）进行了演示。结果显示，即使在单层门错误率高达1.9%的嘈杂环境下，算法计算出的能量误差依然很小（达到了化学精度），表现出对硬件噪声的强大鲁棒性。
4. 理论分析了测量方法效率: 论文附录C中详细分析并证明了其使用的“直接测量法”（不做基变换，直接测量计算基矢）在效率上等价于标准的“旋转测量法”（对每个泡利项做基变换），但所需量子线路数量从数百个减少到仅1个，大幅降低了实验复杂性。

4. 研究方法 (Methodology)

• 模型: 采用一个简化的自旋费米子模型，其哈密顿量包含能级差、最近邻跳跃和相互作用。初始哈密顿量ˆH0被选为仅包含能级差项，其基态易于制备。
• 算法流程（核心步骤）：
  1. 量子制备（非绝热）： 在量子计算机上，从ˆH0的基态|Φ₀⟩开始，应用一个参数化的非绝热演化算子ˆU(Nτ, ∆τ)。该算子用很少的时间步(Nτ ~ O(1))和较大的步长(∆τ)实现一个快速的“淬火”过程，得到一个引导态|Ψ₀⟩。
  2. 量子采样： 对引导态|Ψ₀⟩进行多次测量，得到一组出现概率较高的计算基矢，构成集合B₀。
  3. 子空间扩展： 应用哈密顿量ˆH到B₀中的每个状态，找到所有与其有耦合的非零矩阵元的状态，构成集合B₁。合并B₀和B₁形成最终的子空间基集合B = B₀ ∪ B₁。
  4. 经典对角化： 在由集合B张成的子空间V = span(B)中，构建有效哈密顿量ˆH_B。由于其维度（例如2000-2500）远小于完整空间（例如~10¹⁴），经典计算机可以轻松地对ˆH_B进行精确对角化，得到基态能量E_B。
  5. 反馈优化（VQE部分）： 检查能量E_B是否收敛。若不收敛，更新参数(Nτ, ∆τ)，返回步骤1，迭代优化。

5. 实验结果与结论 (Results and Conclusion)

• 关键结论: 提出的混合VQE-CVQE算法在NISQ时代具有显著优势。对于当前最嘈杂的量子计算机（如IBM Brisbane），实验表明最小的电路深度（即Nτ=1）能给出最佳结果，此时CVQE子空间方法本身就能提供足够的精度，无需进行量子层面的变分优化。随着量子计算机质量提升，可以引入非绝热参数的变分调优以获得更好结果。在未来，该算法可以直接平滑过渡到绝热量子计算。
• 对领域的影响: 该工作为近期的量子化学和材料模拟提供了一个非常实用的“逐步升级”的算法路线图。它表明，即使在当前有噪声的机器上，也可以利用巧妙的经典-量子协同策略获得有意义的计算结果，并且这个框架可以无缝延展到未来更先进的设备上。
• 未来展望与开放性问题: 论文的演示基于一个简化的玩具模型。未来需要将该算法应用于具有更高化学复杂性（如分子、固态材料）的哈密顿量上，以验证其普适性。此外，如何为更一般的模型选择最优的初始哈密顿量H₀（已知基态的简单系统）也是一个值得探索的方向。

6. 论文标签 (Tags)

量子算法, 模拟, 编译与优化

📄 点击此处展开/折叠原文 PDF

原文链接： Hybrid VQE-CVQE algorithm using diabatic state preparation