On the generalized eigenvalue problem in subspace-based excited state methods for quantum computers

该论文通过理论与数值分析指出，基于子空间的激发态量子算法（如 QSE 和 qEOM）因需求解广义特征值问题，在重叠矩阵条件数较高时会因统计采样误差导致特征值误差急剧放大甚至方程无法求解，而采用标准特征值方程的 q-sc-EOM 方法则具有更好的数值稳定性，更适用于含噪声量子计算机上的激发态计算。

要点

这篇论文主要是在探讨：在量子计算机上计算分子“激发态”（比如分子被光照射后变活跃的状态）时，哪种算法更靠谱、更不容易出错。

为了让你更容易理解，我们可以把整个研究过程想象成**“在一个嘈杂的房间里，试图通过回声来绘制一张精确的地图”**。

1. 背景：我们要解决什么难题？

想象你住在一个巨大的、回声很重的山洞里（这就是量子系统）。你想搞清楚山洞里有哪些隐藏的通道（激发态）。

• 传统方法：在普通电脑上算，有时候算不准，或者算得太慢。
• 量子计算机：它就像是一个超级灵敏的麦克风，能听到山洞里最细微的回声。但是，量子计算机有个致命弱点：它很“手抖”。每次测量（听回声）都会带有一些随机的杂音（统计采样误差，就像背景里的白噪音）。

2. 两种“绘图”方法（算法）的对比

为了画出地图，科学家们提出了两种主要方法，它们就像两种不同的“回声处理策略”：

方法 A：QSE（量子子空间展开）—— “复杂的翻译官”

• 原理：这种方法需要解一个广义特征值方程。
• 比喻：这就像是你听到回声后，不仅要记录声音，还要先拿一张**“有瑕疵的镜子”**（重叠矩阵 $S$）去反射声音，然后再把反射回来的声音除以镜子的扭曲程度，最后才能算出地图。
• 问题：如果这张“镜子”本身就很模糊、扭曲得很厉害（条件数很大），再加上环境里的杂音（量子误差），当你试图“除以镜子的扭曲”时，误差会被无限放大。
  • 简单说：就像你试图用一把刻度模糊的尺子去量一根头发，尺子越不准，量出来的结果就越离谱，甚至完全算不出来（奇异点）。
  • 后果：算出来的地图要么全是乱码，要么为了强行算出结果，不得不把一些模糊的通道直接扔掉（丢失激发态），导致地图不完整。

方法 B：q-sc-EOM（量子自洽运动方程）—— “直尺测量员”

• 原理：这种方法通过巧妙的数学设计，把那个“有瑕疵的镜子”变成了完美的直尺（重叠矩阵 $S$ 变成了单位矩阵 $I$）。
• 比喻：它不需要先反射再除以扭曲，而是直接用标准的直尺去量回声。
• 优势：因为不需要处理那个“模糊的镜子”，所以即使环境里有杂音，误差也不会被放大。
  • 简单说：就像用一把完美的尺子去量，哪怕手有点抖，量出来的结果依然很准，而且不会漏掉任何一条通道。

3. 实验发现了什么？

作者通过模拟（在 H4 分子和 NH3 分子上测试）发现了三个阶段的真相：

1. 当“镜子”很清晰时（低条件数）：

   • 两种方法差不多，都能画出不错的地图。这时候 QSE 也能用。

2. 当“镜子”开始模糊时（中等条件数）：

   • QSE 开始崩溃：随着镜子越来越扭曲，QSE 算出来的地图误差急剧增加。为了达到和 q-sc-EOM 一样的精度，QSE 需要把测量次数（“听回声”的次数）增加10 倍甚至更多，这太浪费资源了。
   • q-sc-EOM 稳如泰山：无论镜子怎么变，它依然准确。

3. 当“镜子”完全破碎时（高条件数）：

   • QSE 彻底失效：这时候镜子碎得没法用了，方程根本解不出来。
   • 强行修复的代价：科学家尝试用一种叫“阈值截断”的方法（把太模糊的部分直接切掉）来强行计算。虽然算出来了，但地图缺了一大块（很多激发态消失了）。这对于化学研究是致命的，因为你不知道分子到底有哪些状态。
   • q-sc-EOM 依然完美：它不需要切掉任何东西，直接给出了完整的地图。

4. 核心结论（一句话总结）

在量子计算机这种“自带杂音”的环境下，q-sc-EOM 方法比 QSE 方法更聪明、更稳定。

• QSE 就像是在用有缺陷的透镜看世界，透镜越花，世界越扭曲，最后甚至看不清东西。
• q-sc-EOM 就像是用校准过的直尺，直接测量，不受透镜缺陷的影响。

5. 这对我们意味着什么？

对于未来的量子化学研究（比如设计新药、新材料），我们需要精确知道分子的所有状态。

• 如果用了 QSE，可能会因为计算误差而漏掉重要的化学状态，或者需要耗费巨大的算力去重复测量。
• 如果用了 q-sc-EOM，就能更可靠、更高效地得到完整的结果。

总结来说：这篇论文告诉我们要小心使用那些需要“除以模糊镜子”的算法，而应该优先选择那些能“直接拿直尺测量”的算法，这样在量子计算机上干活才不会“翻车”。

技术摘要

这是一份关于论文《On the generalized eigenvalue problem in subspace-based excited state methods for quantum computers》（量子计算机上基于子空间的激发态方法中的广义特征值问题）的详细技术总结。

1. 研究背景与问题 (Problem)

在量子化学领域，利用量子计算机模拟激发态是极具前景的应用方向。目前，基于子空间的量子算法（如量子子空间展开 QSE、量子运动方程 qEOM 和量子自洽运动方程 q-sc-EOM）被认为是含噪声中等规模量子（NISQ）设备上的主要候选方案。

核心问题：

• 广义特征值问题的不稳定性： QSE 和 qEOM 的工作方程需要求解广义特征值方程 ($HC = SCE$)，其中 $H$ 是哈密顿量矩阵，$S$ 是重叠矩阵。这些矩阵元素需要在量子计算机上通过统计采样（Shot noise）测量得到。
• 条件数放大误差： 当重叠矩阵 $S$ 的**条件数（Condition Number）**较大时，求解广义特征值问题对统计采样误差极其敏感。误差会随着条件数的增加而剧烈放大，甚至导致矩阵奇异（Singularity），使得方程无法求解。
• 阈值技术的局限性： 为了解决奇异问题，通常采用“阈值技术”（Thresholding，即剔除 $S$ 矩阵中极小特征值对应的向量）。但这会导致子空间缩减，从而丢失部分激发态，破坏光谱的完整性，这对化学研究是致命的。

2. 方法论 (Methodology)

作者通过理论分析和数值模拟相结合的方法，对比了两种主要的子空间激发态方法：

• 对比对象：

  1. QSE (Quantum Subspace Expansion)： 需要求解广义特征值方程 ($HC = SCE$)。重叠矩阵 $S$ 通常不是单位矩阵，其逆运算 ($S^{-1/2}$) 对噪声敏感。
  2. q-sc-EOM (Quantum Self-consistent Equation-of-Motion)： 基于自洽算符构建正交基，使得重叠矩阵 $S$ 在理论上严格等于单位矩阵 ($I$)。因此，其工作方程退化为标准特征值方程 ($HC = CE$)，无需进行对噪声敏感的矩阵求逆。

• 理论分析框架：

  • 利用矩阵微扰理论推导了标准特征值方程和广义特征值方程在存在误差 $\epsilon$ 时的特征值偏移量 $\delta\lambda$。
  • 推导出广义特征值方程的误差界限与 $\frac{1}{\lambda_{min}(S)}$ 成正比，其中 $\lambda_{min}(S)$ 是重叠矩阵的最小特征值。这意味着当 $S$ 的条件数增大（即 $\lambda_{min}(S)$ 变小）时，误差会被显著放大。
  • 建立了采样噪声（Shot noise）与所需测量次数（Shots）之间的定量关系，指出为了达到相同的精度，条件数越大，所需的采样次数呈平方级增长。

• 数值实验设置：

  • 系统： 使用 STO-3G 基组，通过 Jordan-Wigner 映射将轨道映射到量子比特。
  • 分子： 测试了 $H_4$ 分子（不同键长，涵盖低、中、高条件数情况）和平面 $NH_3$ 分子。
  • 流程： 使用 VQE（变分量子本征求解器）结合 UCCSD 制备基态，随后分别应用 QSE 和 q-sc-EOM 计算激发态。
  • 噪声模型： 在矩阵元素测量中引入固定的统计采样误差（Shot noise）。

3. 关键贡献 (Key Contributions)

1. 理论量化： 首次将微扰界限转化为实用的诊断工具，明确指出了 $\lambda_{min}(S)$、预期采样噪声与激发态可靠性之间的定量联系。
2. 揭示“中等”条件数的危害： 数值实验表明，即使在“中等”条件数（例如 $H_4$ 系统中 $\kappa(S) \approx 120-600$）下，QSE 也会因采样噪声产生巨大的不稳定性，而不仅仅是极高条件数时才出现问题。
3. 阈值技术的代价： 证明了在极高条件数下，虽然阈值技术可以强制求解方程，但会导致激发态缺失（Spectral incompleteness），特别是丢失简并态。
4. q-sc-EOM 的优越性： 通过对比证明，q-sc-EOM 由于避免了广义特征值问题（$S=I$），在相同条件下表现出极高的稳定性，且能完整保留所有激发态，无需阈值处理。

4. 主要结果 (Results)

• 低条件数情况 ($\kappa(S) < 100$)：

  • QSE 和 q-sc-EOM 的表现相似，两者都能较好地收敛，误差主要受统计噪声影响，与条件数关系不大。

• 中等条件数情况 ($100 < \kappa(S) < 10^4$)：

  • QSE： 随着条件数增加（如从 121.5 增加到 592.5），特征值的平均误差和方差急剧上升。为了达到与 q-sc-EOM 相同的精度，QSE 所需的采样次数（Shots）增加了约一个数量级（例如从 $10^4$增加到$10^5$）。
  • q-sc-EOM： 即使在同一几何结构下（$\kappa(S)=592.5$），q-sc-EOM 依然保持稳定，误差较小，且不需要额外的采样成本。
  • 验证： 如果在 QSE 中人为使用“精确”的重叠矩阵（消除 $S$ 的噪声），其误差显著降低，证实了 $S$ 矩阵的噪声及其求逆过程是误差放大的根源。

• 高条件数情况 ($\kappa(S) > 10^4$)：

  • QSE： 当 $\kappa(S) \approx 2.05 \times 10^{12}$ 时，方程无法直接求解。必须使用阈值技术（Thresholding）。
  • 后果： 使用阈值技术后，计算出的能谱中缺失了部分激发态（特别是某些简并态），导致光谱不完整。
  • q-sc-EOM： 无需阈值处理，成功计算出完整的激发态能谱，且结果稳定。

• $NH_3$ 分子验证：

  • 在化学相关的 $NH_3$ 分子拉伸过程中，QSE 在条件数仅为 124.4 和 427.6 时就出现了显著的数值不稳定和方差增大，而 q-sc-EOM 始终保持准确。这表明不同分子系统对条件数的敏感度不同，但 QSE 的脆弱性是普遍存在的。

5. 意义与结论 (Significance & Conclusions)

• 方法选择建议： 对于基于子空间的激发态量子化学计算，q-sc-EOM 比 QSE 和 qEOM 更适合作为 NISQ 设备上的首选方法。因为它避免了广义特征值问题中由重叠矩阵条件数引起的误差放大机制。
• 资源效率： q-sc-EOM 不仅更稳定，而且在达到相同精度时，对量子测量资源（Shots）的需求远低于 QSE（在中等条件数下可节省一个数量级）。
• 光谱完整性： 在化学研究中，完整的光谱（不丢失激发态）至关重要。QSE 在解决高条件数问题时必须依赖阈值技术，这会牺牲光谱完整性，而 q-sc-EOM 天然避免了这一问题。
• 通用性： 虽然本研究主要关注采样噪声，但结论同样适用于其他类型的硬件噪声。任何需要求解广义特征值方程且重叠矩阵非正交的量子算法（如某些量子 Krylov 方法、非正交量子本征求解器等）都可能面临类似的稳定性挑战。

总结： 该论文通过严谨的理论和数值分析，揭示了广义特征值问题中的条件数放大效应对量子激发态计算的致命影响，并有力地论证了采用正交基（$S=I$）的 q-sc-EOM 方法是解决这一痛点、实现稳定且完整的激发态计算的更优方案。