作者: Subimal Deb, V. S. Prasannaa

1. 核心物理图象

这篇论文的核心思想是：在量子计算机上做量子化学计算时，由于硬件噪声和量子比特数量有限，我们不能使用很大的“单粒子基组”（即描述电子轨道的数学函数集合）。作者通过优化这些基组本身，用更少的量子比特（对应更少的轨道）获得了更精确的原子和分子基态能量。他们的主要贡献是开发了一种算法，将现有最小基组（如STO-3G）的参数（指数和收缩系数）进行优化，并扩展到更高阶（k=11），从而在不增加量子比特数的情况下提升了计算精度。简而言之，作者在“不增加硬件负担”的前提下，通过“精调工具”来提高计算准确度，为近期量子设备上的化学模拟铺平了道路。

2. 关键术语解释

• 单粒子基组 (Single-particle basis set): 在量子化学中，基组是描述电子波函数的数学函数集合，选得越好，计算结果越准，但需要更多的轨道（即量子比特）。本文通过优化基组的参数，使其在同样大小的基组下能更精确地描述电子，从而减少所需量子比特数。
• 最小基组 (Minimal basis set): 每个原子轨道只用一套基函数（如STO-3G），这种基组规模小，适合当前量子硬件，但精度通常不足。本文的工作就是针对这种基组进行优化，使其在保持小规模的同时提升精度。
• 全组态相互作用 (Full Configuration Interaction, FCI): 一种精确求解电子基态能量的方法，它在给定的基组下考虑了所有可能的电子激发，是量子化学中的“黄金标准”。本文用FCI能量作为衡量基组质量的标准。

3. 主要贡献

• 开发了MSTO-kG基组: 利用遗传算法结合“爬山”优化策略，对现有的STO-kG最小基组（k=2到6）进行重新优化，并扩展到k=11（MSTO-11G），从而在保持相同量子比特数（10个自旋轨道）的前提下，显著提升了原子基态能量的精度。
• 在多个原子上超越传统基组: 对于Li原子，MSTO-11G的FCI能量（-7.452345 Ha）甚至超过了大型基组cc-pVQZ，且所用的量子比特数仅为后者的约三分之一。对于H、Be、B、C等原子，MSTO的精度也可与分裂价基组6-31G相媲美甚至更好。
• 证明了量子资源的大幅减少: 在VQE、QPE和HHL三种量子算法中，使用MSTO基组相比6-31G或cc-pVDZ，所需的量子比特数、CX门数和T门数显著降低（例如，对Li原子，VQE中的CX门减少了87%到97%），同时能量精度更高。

4. 研究方法

作者采用了一种“模因算法”（memetic algorithm），结合了遗传算法的全局搜索和梯度-free局部优化：首先，以现有的STO-kG基组为起点，通过变异和交叉操作生成候选基组参数（指数和收缩系数），然后以配置相互作用单双激发（CISD）能量为目标函数进行筛选；接着，用并行化的爬山算法对最佳候选进行精细优化。为了扩展到更高k值，他们用MSTO-(k-1)G作为初始猜测，添加一个指数和系数后继续优化，从而系统地生成了MSTO-2G到MSTO-11G。所有计算均基于Python的PySCF包，代码已开源。

5. 实验结果与结论

• 原子结果: 对于H到F（除He），MSTO基组的FCI能量普遍优于STO基组，且与6-31G相当或更优。尤其是Li，其能量接近精确基准（Hylleraas极限），误差小于20 mHa。对于N、O、F，由于基组缺乏足够的虚轨道，无法捕捉相关能，这是最小基组的固有局限。
• 分子结果: 对H₂、Li₂、C₂、LiH、BeH和BeH₂的势能曲线显示，除H₂外，MSTO基组的FCI能量与6-31G相当或更好。H₂的表现不佳，与文献一致。
• 资源分析: 以Li为例，MSTO基组在VQE、QPE和HHL中所需的量子比特和门数远小于6-31G或cc-pVDZ，同时能量更低。这证实了基组优化是减少量子资源需求的有效途径。
• 开放问题: 当前工作仅针对最小基组，未优化更大的基组（如6-31G）或加入弥散函数；对于N、O、F等原子的相关能缺失问题，未来可通过添加更高角动量或弥散函数来改进。此外，MSTO基组在其他量子算法（如ADAPT-VQE）中的表现也值得探索。

6. 论文标签

量子算法, 编译与优化, 模拟

📄 点击此处展开/折叠原文 PDF

原文链接： Better accuracy with fewer qubits: Single-particle basis set optimization for quantum chemistry on quantum computers