想象一下，你正试图在一片广袤且雾气缭绕的山脉中寻找最低点。在物理学和化学的世界里，寻找这个“最低点”（被称为基态）就像是在发现一种新药或超强材料中原子最稳定、能量效率最高的排列方式。几十年来，科学家们一直试图利用强大的量子计算机来解决这个谜题。他们通常用一个灵活的“地图”（参数化量子电路）来为这些计算机编程，并尝试通过调节旋钮，直到找到山谷的底部。
然而，这个过程往往就像是在黑暗中让一个球滚下山坡。球可能会卡在一个小凹坑里（局部极小值），并误以为已经到达了底部；或者它在接近底部时变得极其缓慢，以至于永远无法真正抵达（临界减速现象）。有时，地图过于复杂，以至于计算机所需的资源比宇宙中存在的还要多。大问题在于：是否存在一种更聪明的方法，能够引导这个球下山，而不至于被困住或耗尽时间？这就是“虚时间”（imagary time）概念引入的地方。它不是一台时光机，而是一种数学技巧，它就像一种超高效的重力，平滑了景观中的起伏，让球自然地滚向最深的谷底。
在一项新的研究中，研究员托比亚斯·哈通（Tobias Hartung）和卡尔·詹森（Karl Jansen）展示了这种“虚时间”技巧不仅仅是一个巧妙的想法——只要系统不是过于混乱，它实际上可以完美地适用于一大类现实世界的问题。他们证明，如果你将这种方法用于那些粒子仅与有限数量的邻居发生相互作用的系统（比如一串多米诺骨牌，每块只与相邻的几块接触），量子计算机就一定会找到真正的最低能量状态。
作者们论证了这种方法避免了陷入困境或减速至爬行的常见陷阱。系统不再是漫无目的地游荡，而是以稳定且可预测的速度沿着能量坡度下滑。他们展示了到达解法所需的时间增长方式：它与系统中的粒子（量子比特）数量以及最低能量与次高能量之间的“能隙”呈线性比例关系。你可以把它想象成一场比赛，完成比赛所需的时间直接取决于你要跑多远以及坡度有多陡，而不是变成一场不可能完成的马拉松。
但找到谷底仅仅是成功了一半；你还需要能够构建出通往那里的地图。论文证明，对于这些特定的“有界阶数”（bounded order）系统，你实际上可以将这段虚时间的旅程转化为一个真实的、可构建的量子电路。作者表明，给计算机的指令（电路）不需要长得离谱或复杂得过分。相反，步骤的数量和确定设置所需的努力程度呈多项式级增长——这意味着即使问题规模变大，它们也会保持在合理且可控的范围内。
研究人员谨慎地指出，这并不是解决所有问题的万灵药。如果基态与下一能级之间的能量间隙极小（就像大海捞针一样），所需的时间仍可能变得非常长。然而，对于物理学、化学、药物设计甚至组合优化（如解决复杂的物流难题）中的许多重要问题，其适用条件是非常契合的。该论文提供了一个数学证明，对于这些系统，“虚时间”方法不仅保证能收敛到正确答案，而且可以高效地编译成量子计算机程序。这是一项严谨的论证，表明对于广泛的实际应用场景，我们拥有一条可靠、快速且高效的求解路径，且不会陷入困扰其他量子计算方法的陷阱之中。
技术摘要：有界阶系统量子虚时演化的收敛性与效率证明
问题陈述
当前及近未来的量子计算应用频繁依赖于参数化量子电路（PQC）和变分方法，用于解决诸如基态准备、组合优化和量子机器学习等问题。这些方法面临着显著的障碍，包括由于局部极小值导致的无法收敛至全局极小值、临界减速（critical slowing down）以及指数级的资源缩放问题。虽然绝热演化（例如 QAOA）已取得成功，但它需要缓慢的演化过程以避免绝热激发，这往往导致电路深度极深，且具有高度振荡的代价函数景观（cost landscapes）和贫瘠高原（barren plateaus）问题。相反，非变分方法（如量子相位估计）虽然具有精度保证，但通常需要一个初始参考态，其保真度需满足反多项式限制，鉴于寻找局部哈密顿量基态的问题属于 QMA-完全类，这一限制通常是必要的。
本研究旨在解决的特定开放性问题涉及量子虚时演化（ITE）的收敛保证、收敛速率及其可编译性。虽然已知 ITE 在晶格模拟中呈指数收敛，但在何种条件下其可以被高效地实现在量子设备上，以及它是否能够绕过其他量子方法的瓶颈，目前仍是未知领域。
方法论
作者分析了针对哈密顿量 H 为有界阶算符张量积之和（即有界阶系统）的量子虚时演化，其中系数随量子比特数呈多项式级缩放。该方法论分为两个主要部分：
- 一般收敛结果： 作者假设 ITE 是可实现的，并分析其数学特性而不考虑具体的电路编译。他们定义了初始态 ∣ψ(0)⟩ 在非线性算符 ∣ψ(t)⟩=∥e−tH∣ψ(0)⟩∥−1e−tH∣ψ(0)⟩ 下的演化。他们利用特征基展开来追踪系数的演化，并分析沿演化路径的能量梯度。
- 复杂度分析： 作者研究了 ITE 是否可以被高效地编译为 PQC。他们采用了一种基于维度表达能力分析（dimensional expressivity analysis）的通用电路构造技术。演化通过 Trotter 化进行近似（e−tH≈∏e−δaiSi）。对于每个 Trotter 步，他们构造一个参数化电路 Ci,τ(θi,τ)，并将参数优化表述为一个多项式方程组。他们利用同伦延续法（homotopy continuation methods）来求解最优参数，并依靠隐函数定理来建立步长和资源需求的项式界限。
核心贡献与结果
- 收敛保证： 本文证明了 ITE 以概率 1 收敛至最低能量本征空间（在有界误差范围内）。与基态本征空间正交的初始态集合是一个零测集（低维流形），这意味着随机初始态几乎肯定具有非零重叠。此外，作者证明了不存在临界减速；能量梯度仅在本征态处消失，且由于激发态系数的单调衰减，演化不会在激发态处停滞。
- 收敛速率： 证明了收敛过程是指数级的，其速率由能量间隙 Δ 决定。达到特定保真度阈值所需的演化时间 t 与量子比特数 Q 以及能量间隙的倒数 1/Δ 呈线性缩放关系。即使对于初始保真度随 2−Q 缩放的情况（典型的随机态），这一结论依然成立。
- 高效编译： 对于有界阶系统（即哈密顿量项为最多 B 个泡利算符的张量积，且系数呈多项式缩放），作者证明了 ITE 可以被编译为关于 Q 和 1/Δ 的多项式深度量子电路。
- 通过选择呈多项式衰减的步长 δ 来控制 Trotter 化误差。
- 通过同伦延续法寻找每个电路层的最优参数，这需要求解一个多项式方程组。该过程的复杂度随量子比特数和能量间隙的倒数呈多项式级缩放。
- 编译成本（寻找参数）和电路深度均呈多项式级缩放。
意义与声明
本文声称提供了一个严格的证明，证明量子虚时演化是解决包括物理和化学中的局部理论、组合优化及量子机器学习在内的很大一类物理相关问题的有效方法。
作者明确阐明了其效率声明的范围，以避免对复杂度类的误解：
- 这些结果并不意味着 $BQP = QMA（即量子版的P=NP）。有界阶系统包括k$-局部哈密顿量，而这类问题是 QMA-完全的。
- 效率被描述为相对于能量间隙的伪多项式（pseudo-polynomial）。如果能量间隙随系统规模呈超多项式级缩放，则所需资源也会呈超多项式级缩放。
- 然而，对于具有“良好行为”能量间隙缩放特性的系统（例如，有间隙的连续体理论、合适的离散化方案以及许多组合问题），该方法提供了真正的多项式缩放。
这项工作确立了对于有界阶系统，物理相关的状态流形呈多项式增长，从而允许高效的编译与模拟。这为使用 ITE 来克服与变分量子算法及绝热演化相关的收敛与优化瓶颈提供了理论基础。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。