Multireference error mitigation for quantum computation of chemistry

原作者： Hang Zou, Erika Magnusson, Hampus Brunander, Werner Dobrautz, Martin Rahm

发布于 2026-01-22

📖 1 分钟阅读🧠 深度阅读

原作者： Hang Zou, Erika Magnusson, Hampus Brunander, Werner Dobrautz, Martin Rahm

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正试图用一台略微损坏的相机拍摄一张复杂场景的高清完美照片。镜头上有污迹，传感器也带有一些静电。无论你如何小心地构图，得到的图像总是模糊且扭曲的。

在量子计算领域，科学家们正试图通过这种方式“拍摄”分子的行为（如水或氮分子）以了解化学特性。但他们今天使用的“相机”——被称为含噪声中等规模量子（NISQ）设备——非常类似于这台损坏的相机。它们极易受到“噪声”（静电和误差）的影响，从而破坏计算，使结果变得不可靠。

这篇论文介绍了一种巧妙的新方法，旨在无需等待完美的、昂贵的相机建成之前，就能修复这些模糊的照片。以下是他们的做法，通过简单的解释呈现：

问题所在：“损坏的相机”

当科学家使用量子计算机计算分子的能量时，机器中的噪声会导致答案出错。通常情况下，答案会偏高，就像一个总是会在你的体重上多加几磅的秤。

为了解决这个问题，他们之前使用了一种称为**参考态误差缓解（REM）**的方法。

旧方法： 想象你知道一个简单物体（比如一个纯白色的球）的“完美”照片应该是怎样的。你用这台损坏的相机拍下这个球，观察它有多模糊，然后利用这个“模糊因子”来清理复杂场景的照片。
局限性： 这对于简单的分子（比如单个球）效果很好。但对于具有“强相关”电子（即电子以一种复杂且同步的方式跳舞）的复杂分子来说，那个“纯白色的球”作为参考就太简单了。这个参考过于简单，无法帮助修复复杂的图像。

新方案：MREM（“智能参考”）

由 Hang Zou 及其同事领导的研究团队开发了一种名为**多参考态误差缓解（MREM）**的新方法。

他们不再使用简单的“纯白色球”作为参考，而是使用一个看起来与他们正在研究的实际分子非常相似的复杂的、预先绘制的蓝图。

类比： 如果说旧方法是使用一张白墙的照片来修复一张拥挤城市街道的照片，那么新方法则是使用那条同一条城市街道的草图。因为草图已经捕捉到了人群的复杂性，所以草图上的“模糊”能准确告诉你如何修复真实街道的模糊照片。

他们如何构建蓝图：吉文斯旋转（Givens Rotations）

为了在量子计算机上创建这些复杂的参考草图，他们需要一个特殊的工具。他们使用了被称为吉文斯旋转的技术。

隐喻： 把量子态想象成一叠扑克牌。一个简单的参考只是其中一张牌。一个复杂的参考则是将几张牌进行特定混合后的状态。
工具： 吉文斯旋转就像是一个非常精确的、神奇的洗牌器。它们允许科学家从一个简单的初始状态开始，仅混入几张额外的“牌”（量子构型），从而创建一个与分子混乱且复杂的现实高度相似的参考态。
为什么重要： 他们并没有尝试混合所有可能的牌（那会耗时过长并引入过多噪声）。他们选择了最重要的 2 或 3 张牌，这使得过程既快速又高效，同时又足够精确，足以修复误差。

结果：更清晰的图像

团队在三种分子上测试了这种新方法：水 ( $H_2O$ )、氮 ( $N_2$ ) 和氟 ( $F_2$ )。

水 ( $H_2O$ )： 新方法显著地清理了噪声，比旧方法提供了更清晰的分子能量图像。
氮 ( $N_2$ )： 这个分子非常棘手，因为它的电子具有高度相关性。旧方法在这里表现挣扎，但这种新的“复杂蓝图”方法成功恢复了正确的物理行为，特别是在分子被拉伸时。
氟 ( $F_2$ )： 这是最大的成功。与原始噪声数据相比，新方法将误差降低了约 100 倍；与旧方法相比，误差降低了约 10 倍。它得到的结果非常接近“完美”的理论值，几乎与无噪声的计算无法区分。

核心结论

该论文声称，通过使用稍微复杂一点的“参考”（即几种关键量子态的混合）而非简单的参考，并使用一种特定的、高效的方式来构建该参考（吉文斯旋转），我们可以更好地修复当前量子计算机中的误差。

这使得科学家们在今天就能为困难的化学问题获得可靠、准确的结果，即使量子计算机本身仍然是不完美且充满噪声的。这就像是通过一种更聪明的纠偏方式，从一台损坏的相机中获得一张晶莹剔透的照片。

技术摘要：用于量子化学计算的多参考误差缓解技术

问题陈述
量子误差缓解（QEM）对于增强噪声中等规模量子（NISQ）设备上量子化学算法的可靠性至关重要。虽然参考态误差缓解（REM）通过使用单参考哈特里-福克（HF）态来量化和纠正噪声诱导的能量误差，在弱相关系统中已被证明有效，但在强相关机制（如键离解）中面临显著局限。在这些场景下，目标基态通常是一个多参考（MR）态——即多个斯莱特行列式（SDs）的线性组合。单一个 HF 行列式无法提供与真实基态足够的重叠，导致标准的 REM 失效，并造成不准确的误差纠正。

方法论
作者引入了多参考态误差缓解（MREM），这是 REM 的一种扩展，旨在处理强电子相关性。其核心方法论包括：

多参考参考态： MREM 不再使用单个 HF 行列式，而是利用从传统量子化学方法（如 CISD、CCSD、DMRG）中获得的截断多参考波函数（由 2-3 个主要的 SDs 组成）。选择这些状态是为了确保它们与目标基态具有实质性的重叠。
利用 Givens 旋转进行状态制备： 为了在量子硬件上高效制备这些 MR 态，作者采用了 Givens 旋转。这些酉变换作用于希尔伯特空间中的两个选定元素，允许在保持关键物理对称性（特别是粒子数守恒和自旋投影 $m_s$ $m_{s}$ ）的同时，实现对斯莱特行列式的受控混合。
- 单激发 Givens 旋转 ( $G(\theta)$ ) 混合 $|01\rangle$ 和 $|10\rangle$ 态。
- 双激发 Givks 旋转 ( $G^{(2)}(\theta)$ ) 混合四个量子比特的状态，如 $|0011\rangle$ 和 $|1100\rangle$ 。
- 受控 Givens 旋转 ( $CG(\theta)$ ) 和受控-X ($CX$) 门被用于构建特定的构型，特别是在量子比特缩减（对称性约减）破坏了直接的自旋-轨道映射时。
MREM 协议：
- 经典步骤： 根据经典计算选择一个截断的 MR 态，并计算其精确（无噪声）能量。
- 量子步骤： 使用基于 Givens 的电路在量子设备上制备该 MR 态，并测量其噪声能量，以确定误差偏移（ $\Delta E_{MREM}$ ）。
- 纠正： 通过变分量子特征值求解器（VQE）运行目标系统，并将测得的误差偏移从噪声目标能量中减去，从而得到误差缓解后的结果。
对称性强制执行： 为了解决噪声和硬件高效拟设（HEA）导致的对称性破缺问题，在哈密顿量中添加了一个线性自旋惩罚项 ( $\lambda \cdot \hat{S}^2$ )，以稳定单重态基态。

主要贡献

REM 的扩展： 本文提出了 MREM，通过利用多参考态而非单参考 HF 态，系统地将 REM 框架扩展到强相关系统。
高效的电路构建： 作者展示了使用 Givens 旋转作为一种结构化、保持对称性的方法，在量子硬件上构建紧凑的多参考态，从而在电路表达能力与噪声敏感度之间取得平衡。
截断策略： 该工作采用了截断波函数（2-3 个 SDs）以避免过高的电路深度，利用了“少数主导构型足以实现有效误差缓解”这一事实。
自旋惩罚集成： 实现过程包含了线性自旋惩罚，用以缓解噪声 VQE 模拟中的自旋污染，且不会引入与平方偏差惩罚相关的高测量开销。

结果
作者通过使用 FakeSydneyV2 噪声模型对三个分子系统（H $_2$ O、N $_2$ 和 F $_2$ ）进行噪声数字量子模拟，验证了 MREM。

H $_2$ O： 使用 3 个 SDs 的 MREM 与单参考 REM 相比，显著降低了能量误差，尽管增加了电路复杂度，但仍恢复了更准确的势能面（PES）。
N $_2$ ： 由于需要双激发的强多参考特性，使用 3 个 SDs 的未缓解 VQE 表现比基于 HF 的 VQE 更差（受噪声影响）。然而，MREM 成功恢复了键拉伸区域的物理行为，证明了即使在高噪声机制下，结合多参考态与误差缓解的方法也优于单参考方法。
F $_2$ ： 使用 2 个 SDs 的 MREM 达到了接近计算精度的水平（与噪声 VQE 相比误差降低了约 2 个数量级，与 REM-HF 相比降低了约 1 个数量级）。MR 态提供了更好的初始化，有助于 VQE 在标准 VQE 失效的区域避开局部极小值。

意义与主张
本文声称，MREM 扩大了误差缓解的应用范围，使其能够涵盖具有显著电子相关性的分子系统，而这正是标准 REM 失效的领域。通过利用通过 Givens 旋转构建的具有物理动机的多参考态，该方法提供了一种在 NISQ 设备上提高计算准确性的高性价比方式。作者强调，虽然仅靠 MR 态本身可能由于增加的电路深度而无法直接改善噪声 VQE 的结果，但它们可以作为更具表达能力的参考态，用于误差缓解步骤，从而在噪声条件下提取有意义的物理信息。这项工作强调了将经典化学见解（截断 MR 态）与高效量子电路设计相结合，以克服硬件限制的潜力。