Boson sampling enhanced quantum chemistry

本文提出了一种名为玻色采样经典（BS-C）的混合量子 - 经典算法，该算法利用线性光学干涉仪和经典计算化学方法，以更高的精度和误差鲁棒性求解分子电子结构问题，并在数值实验中实现了化学精度。

要点

以下是关于论文《玻色采样增强的量子化学》的通俗解释，并辅以日常类比。

宏观图景：烹饪化学食谱的新方法

想象一下，你想在不实际烘焙蛋糕的情况下，精准预测化学反应将如何发生——就像找出完美的蛋糕食谱。在现实世界中，这极其困难，因为电子（化学的“食材”）以复杂且混乱的方式相互作用。

科学家们一直试图利用量子计算机比经典计算机更快地解决这些“食谱”问题。然而，大多数现有的量子计算机就像脆弱且昂贵的超级计算机，一旦受到噪声干扰就极易损坏。

这篇论文提出了一种不同的方法。作者建议不使用复杂且易受噪声干扰的量子门（如超导计算机中的那些），而是使用无源线性光学系统。你可以将其想象为使用一套非常干净、稳定的镜子和透镜，引导光束（光子）穿过迷宫。

核心思想：混合光与数学

作者创造了一种他们称为BS-C VQE的“混合”方法。这是两个不同世界的联手：

1. 量子部分（光）： 他们使用一种称为线性光学干涉仪（LOI）的装置。这是一个拥有许多路径的芯片，光子（光粒子）在其中穿行。光子不会相互碰撞；它们只是穿过镜子并发生分裂。

   • 类比： 想象一台弹珠机，其中的球（光子）永远不会相互撞击，但保险杠（镜子）的布局如此复杂，以至于对于普通计算机来说，预测它们的落点简直是一场噩梦。这种复杂性被称为玻色采样。
   • 魔力所在： 因为光子是“玻色子”，它们的行为与电子不同。它们可以堆积在同一个位置。这产生了一种称为“积和式”（permanent）的数学模式（它是行列式的一个复杂表亲）。这种模式对于经典计算机来说极难计算，因此它充当了一种强大的“秘密食材”，以提升精度。

2. 经典部分（数学）： 他们使用标准的、众所周知的化学数学（如哈特里 - 福克方法或组态相互作用）来承担整理数据的繁重工作。

   • 类比： 将光系统想象为一个高速、混乱的生成器，它产生海量的可能性。而经典计算机则是那位品尝结果、整理数据并完善食谱的厨师。

结果： 通过将光那种混乱且难以模拟的强大能力与经典化学中可靠的数学相结合，他们得到的结果比单独使用任何一种方法都要准确。

如何测量结果：“混合”味觉测试

量子化学中最大的挑战之一，是在不破坏脆弱的量子态的情况下测量分子的能量。

• 问题： 你不能像数罐子里的大理石那样简单地数光子，因为数学的某些部分需要观察光的“相位”（波的时序），而其他部分则需要精确计算粒子的数量。
• 解决方案： 他们发明了一种混合测量策略。
  • 类比： 想象你试图描述一首复杂的歌曲。对于鼓点（“计数”部分），你只需数节拍；对于旋律（“波”部分），你则聆听音高和时序。你使用两种不同的工具来获得完整的画面。
  • 在他们的实验中，他们对系统的某些部分使用光子计数器，对其他部分使用零差探测器（用于测量光的波动特性）。这使得他们能够准确地读取分子的“能量”。

处理错误：“噪声”过滤器

现实世界的光学系统并不完美；有时光子会丢失（就像弹珠从弹珠桌上掉下去一样）。通常，这会毁掉计算。

• 修复方法： 作者开发了一种巧妙的修复方法。当光子丢失时，他们不是丢弃数据，而是使用一种统计技巧。他们运行实验多次，计算获得“完美”数量光子的频率，并在数学上调整结果以计入那些丢失的光子。
• 类比： 如果你试图猜测人群的平均身高，但有些人躲在柱子后面，你不会直接忽略那些躲藏的人。你会计算有多少人躲藏，估算总人数，并相应地调整你的平均值。

他们证明了什么

该团队对几种小分子（如氢化锂和氢团簇）进行了计算机模拟（数值实验）。

• 结果： 他们的方法，即BS-C，能够以“化学精度”预测这些分子的能量水平。这意味着误差足够小，足以用于现实世界的化学预测。
• 比较： 在某些情况下，他们基于光的方法比标准经典方法（如哈特里 - 福克方法）显著更准确，并且在与更复杂的量子方法的竞争中表现不俗，但其硬件设置要简单得多。

为什么这很重要（根据论文所述）

1. 硬件效率： 与其他需要构建困难且复杂的深层电路的量子计算机不同，这种方法使用“浅层”电路（一个简单的镜子迷宫）。它更容易构建，且不易损坏。
2. 速度： 光学系统可以运行得极快（每秒数百万次），这至关重要，因为该方法需要运行实验许多许多次以获得良好的平均值。
3. 可行性： 作者认为，所有必要的部件（单光子源、镜子、探测器）如今在实验室中已经存在。他们不需要等待未来的技术；他们现在就可以构建它。

总结：
该论文提出利用“光迷宫”生成复杂的、难以计算的图案，作为经典化学数学的超级加速器。通过将基于光的量子采样与传统数学及智能测量技术相结合，他们能够更准确地解决化学问题，且所使用的硬件比当前的量子计算机更易于构建。

技术摘要

技术摘要：玻色采样增强的量子化学

问题陈述
电子结构问题（ESP）涉及确定分子哈密顿量的基态能量以预测化学反应速率。虽然变分量子本征求解器（VQE）是在含噪声中等规模量子（NISQ）设备上解决 ESP 的领先方法，但它在线性量子光学系统（LQOS）上面临重大挑战。传统的 VQE Ansatz（如单元耦合簇 UCC）依赖于相互作用的费米子动力学和深层量子电路，由于缺乏自然的光子 - 光子相互作用，难以在被动 LQOS 上实现。此外，不存在从多模玻色福克空间到多量子比特空间的直接映射，能够保持标准量子电路语言的结构。挑战在于开发一种专门针对被动 LQOS 的 VQE 算法，使其既能超越经典可解性，又能保持硬件高效性。

方法论
作者提出了一种名为玻色采样 - 经典（BS-C）VQE的混合量子 - 经典算法。该方法仅利用被动线性光学系统（线性干涉仪）结合经典计算化学方法。

1. Ansatz 构建：
   BS-C Ansatz 定义为 $|\Phi_{BS-C}\rangle = V_C(\vec{\beta}) U_B(\vec{\alpha}) |\Phi_{ref}\rangle$。

   • 量子部分（$U_B(\vec{\alpha})$）： 表示由参数化线性光学干涉仪（LOI）实现的非相互作用玻色子动力学。初始态 $|\Phi_{ref}\rangle$ 使用单光子源制备占据轨道，使用真空制备虚拟轨道（单轨编码）。
   • 经典部分（$V_C(\vec{\beta})$）： 表示作用于哈密顿量的经典计算化学操作（例如哈特里 - 福克或组态相互作用）。具体而言，哈密顿量在通过 Jordan-Wigner（JW）变换映射到量子比特哈密顿量之前，先被经典地变换为 $H_T(\vec{\beta}) = V_C^\dagger(\vec{\beta}) H_F V_C(\vec{\beta})$。
   • 资源区别： 与依赖电子激发（行列式）的经典方法（HF、CISD）或 UCC 不同，玻色部分引入了基于矩阵积和式（permanents）的资源。由于计算积和式是 #P-难的，这提供了一种区别于标准费米子激发的经典不可解资源。

2. 成本函数与混合测量：
   由于某些经典算符的非幺正性以及光子缺乏泡利不相容原理（允许一个模式中多个光子），能量期望值无法直接测量。真实能量定义为比率：
   $$E(\vec{\alpha}, \vec{\beta}) = \frac{\langle \Phi(\vec{\alpha}) | H_T^{JW}(\vec{\beta}) | \Phi(\vec{\alpha}) \rangle}{\langle \Phi(\vec{\alpha}) | V_C^\dagger(\vec{\beta}) V_C(\vec{\beta}) | \Phi(\vec{\alpha}) \rangle}$$
   为了高效测量该值，作者提出了一种混合测量策略：

   • 光子数探测： 用于涉及恒等算符（$I$）和泡利-$Z$算符的项。
   • 零差探测： 用于涉及泡利-$\sigma^+$和$\sigma^-$算符的项。
     这种组合允许在不进行全量子态层析的情况下评估成本函数，利用了零差测量的核函数可以高效计算这一事实。

3. 误差缓解：
   本文解决了光子损耗问题，这是 LQOS 中的主导噪声通道。由于光子损耗会导致系统退出合法子空间（其中光子数等于电子数），作者引入了一种校正程序。通过执行额外的纯光子数测量来估计特定光子损耗事件的概率，他们推导出了一个归一化因子来校正原始期望值。该方法被证明是可扩展的，且不需要会导致采样成本指数级增加的后选择。

主要贡献

• BS-C Ansatz： 一种新颖的 VQE Ansatz，将非相互作用玻色子动力学与经典化学方法（HF、CISD）相结合，利用积和式的计算难度来提高精度。
• 可扩展测量协议： 一种混合零差和光子数探测方案，能够高效评估 JW 映射哈密顿量的成本函数，克服了标准零差测量与非局域泡利项的不兼容性。
• 光子损耗缓解： 一种可扩展的误差缓解技术，无需指数级开销即可校正光子损耗，依赖于从重复测量中导出的统计归一化因子。
• 硬件效率： 该方案表明，与 UCCSD（$O(M^3)$）相比，被动 LQOS 可以以显著更浅的电路深度（$O(M)$）解决 ESP，并提供比超导或离子阱平台高得多的采样率（$10^6-10^8$ Hz）。

结果
作者在几种分子上进行了数值实验：LiH、BeH$_2$和 H$_4$（线性和方形几何结构），使用 STO-3G 基组。

• 精度： BS-C 方法（具体为 LiH 的 BS-HF 和其他分子的 BS-CISD）在各种键长下均达到了化学精度（$1.6 \times 10^{-3}$ Hartree），优于单独的经典对应方法（HF 和 CISD）。
• 投影比率： 该研究分析了“投影比率”（玻色态与编码费米子子空间之间的重叠）。结果表明，虽然比率会有所变化，但通过选择合适的基组（增加轨道数相对于电子数的比例）或将激发限制为保持对称性，可以将比率维持在足以满足可扩展性的水平。
• 性能： 该方法成功生成了与全组态相互作用（FCI）基准高度吻合的势能曲线，证明了基于积和式的资源在捕捉电子关联方面的有效性。

意义与主张
本文声称，BS-C VQE 为在 NISQ 时代利用被动线性光学系统解决电子结构问题提供了一条可行路径。其意义在于：

1. 利用被动 LQOS： 它证明了被动 LQOS 尽管缺乏自然相互作用，但可以通过利用玻色采样（积和式）的独特计算复杂性来增强经典方法，从而解决实际问题。
2. 硬件优势： 该方法具有极高的硬件效率，仅需线性光学干涉仪，并提供比其他量子平台高出几个数量级的采样率，这对于变分算法至关重要。
3. 可扩展性： 所提出的混合测量和误差缓解策略解决了噪声和测量开销的主要瓶颈，表明只要管理好投影比率，该方法即可扩展到更大的分子。

作者总结道，虽然该方案在当前技术范围内（利用现有的单光子源和可重构干涉仪等组件），但仍需进一步研究其在更大分子上的性能以及更高效测量策略的开发。