Quantum speed-up for solving the one-dimensional Hubbard model using quantum annealing

本文证明，基于门控的量子退火模拟在寻找最多 40 个量子比特的半满一维 Hubbard 模型基态时，相较于经典 Bethe 拟设算法实现了显著的量子加速。

要点

想象一下，你正试图在一片广阔而雾气弥漫的群山中找到绝对的最低点。这个“最低点”代表了电子系统（携带电流的微小粒子）在材料中运动时最稳定、最平静的状态。在物理学中，这片特定的山脉被称为哈伯德模型（Hubbard Model）。几十年来，科学家们一直利用复杂的数学来绘制这些山脉的地图，但随着山脉变得更大（即电子数量更多），数学计算变得如此繁重，以至于即使世界上最快的超级计算机也难以在不耗费大量时间的情况下找到谷底。

本文提出了一个简单的问题：量子计算机能否比旧有的数学方法更快地找到这个最低点？

以下是作者如何着手解决的，通过日常类比进行解释：

1. 问题所在：“贝特 - 安萨茨（Bethe-Ansatz）”山脉

对于这个电子问题的一维版本（单条电子线），科学家们已经拥有一张名为**贝特 - 安萨茨方程（Bethe-ansatz equations）**的地图。

• 旧方法： 这就像试图解开一个巨大的拼图，其中的拼图块被复杂的绳结锁在一起。你可以解开它，但随着拼图变大，解开绳结所需的时间会迅速增长。论文指出，虽然计算能量相对较快，但要确定每个电子的具体排列（即“基态”），则需要计算指数级数量的细节。这就像试图数清沙滩上的每一粒沙子，以找到潮汐最低的精确位置。

2. 解决方案：量子退火（“融冰”法）

作者没有一块一块地解决拼图，而是使用了一种称为**量子退火（Quantum Annealing）**的技术。

• 类比： 想象你有一块冰，里面冻结着一个隐藏物体。你想在不破坏物体的情况下将其取出。
  • 第一步： 你从一块简单、平坦的冰（“初始哈密顿量”）开始，此时物体很容易找到。
  • 第二步： 你慢慢融化冰块，逐渐改变其形状，直到它看起来完全像你所感兴趣的复杂、崎岖的山脉（“哈伯德哈密顿量”）。
  • 规则： 如果你足够慢地融化冰块，内部的物体就会随着形状的变化自然地滑向可能的最低点。它永远不会卡在高峰上，因为系统的“量子”特性允许它滑过微小的障碍。

3. 实验：模拟融化过程

由于他们在实验室里没有一台巨大的量子计算机，他们使用了一台强大的经典超级计算机来模拟量子计算机的行为。

• 他们构建了一个数字“电路”（一组指令）来模仿融化过程。
• 他们在多达40 个量子比特（量子版本的比特）的系统上进行了测试。为了让你有个概念，模拟 40 个量子比特就像试图同时追踪一个小房间里每个粒子的位置——这对普通计算机来说是一项极其困难的任务。
• 他们针对不同的“融化速度”（退火时间）运行了模拟，以查看找到谷底需要多长时间。

4. 结果：速度提升

论文发现了一个令人惊讶的结果：

• 旧数学： 随着系统变大，使用旧方程找到基态所需的时间呈爆炸式（指数级）增长。这就像每增加一个电子，山脉的高度就突然翻倍。
• 量子方法： 量子退火方法找到基态所需的时间呈线性增长（甚至更慢）。这意味着如果你将系统的大小加倍，你只需要将找到答案的时间加倍（或略微增加）。
• 结论： 对于半满电子线的特定情况，量子方法提供了显著的速度提升。这就像是在攀登一座每走一步高度就翻倍的山，与攀登一座仅仅变得稍高一点的丘陵之间的区别。

5. 为什么这很重要（根据论文）

作者强调，这是一个“玩具问题”（简化模型），但它证明了一个关键点：

• 即使对于已经被数学“解决”的系统（可积系统），量子计算机在如何找到解决方案方面也可能提供巨大的优势。
• 论文表明，如果这种扩展性成立，与寻找电子实际状态的最佳经典方法相比，量子退火可能以指数级速度提升来解决这些问题。
• 他们还指出，这之所以有效，是因为他们正在攀登的“山脉”（一维哈伯德模型）没有会困住系统的突然、危险的悬崖（相变）。

总结：
该论文表明，通过在模拟计算机上使用量子“融化”技术（退火），他们能够比传统数学允许的速度更快地找到电子的最稳定状态。虽然这个特定模型只是一条简化的电子线，但它作为一个概念验证，表明量子计算机最终可能解决目前我们最好的超级计算机因速度过慢而无法处理的复杂材料科学问题。

技术摘要

技术摘要：利用量子退火求解一维 Hubbard 模型的量子加速

问题陈述
一维 Hubbard 模型是凝聚态物理中理解关联电子系统的基本框架。尽管该模型是“可积的”——即通过 Bethe 拟设方程在热力学极限下存在其基态的精确解析解——但在具有开边界条件的有限系统中求解这些方程仍面临巨大的计算挑战。具体而言，虽然通过求解耦合的非线性 Bethe 拟设方程可以在多项式时间内找到基态能量，但确定完整的基态波函数（即系数）需要计算指数级数量的项，从而需要指数级的计算资源。作者研究了量子算法（特别是量子退火）是否能在寻找有限、半填充一维 Hubbard 系统的基态方面，比这些经典方法提供加速。

方法论
作者在通用量子计算机模拟器（JUQCS）上实现了基于门电路的量子退火模拟，以求解 Hubbard 哈密顿量。该方法涉及三个主要阶段：

1. 哈密顿量映射：利用 Jordan-Wigner 变换将费米子 Hubbard 哈密顿量映射为量子比特哈密顿量。这将费米子的产生和湮灭算符转换为作用于 $2L$ 个量子比特（其中 $L$ 为晶格点数）的泡利矩阵，同时保持反对易关系。
2. 初始态制备：退火过程从非相互作用跳跃哈密顿量（$H_I$）的基态开始。作者利用基于 Givens 旋转的算法来制备该初始态，这对应于填充给定数量的自旋向上和自旋向下电子的最低能量动量态。
3. 退火动力学：系统在含时哈密顿量 $H(s) = (1-s)H_I + sH_H$ 下演化，其中 $s$ 从 0 变化到 1。时间演化使用 Suzuki-Trotter 分解（具体为二阶近似）进行模拟，将连续演化分解为离散时间步。每一步的幺正算符被分解为通用的单量子比特和双量子比特门（Hadamard 门、$R_Z$ 门、$R_{ZZ}$ 门和 $X$ 门）。
4. 标度分析：对最大 $L=20$（40 个量子比特）的系统尺寸进行了模拟。性能指标为剩余能量 $\Delta E = \langle \psi(1) | H_H | \psi(1) \rangle - E_0$，其中 $E_0$ 是通过 Bethe 拟设计算的精确基态能量。作者分析了为实现特定精度，所需总退火时间（$T_A$）随系统尺寸（$L$）的标度关系。

主要贡献与结果

• 基于门电路的实现：本文提供了在基于门电路的量子计算机上模拟 Hubbard 模型量子退火的具体构建方案，详细阐述了电路分解和资源需求（门数量）。
• 退火时间的标度：对于半填充系统（$2N_\downarrow = N = L$），作者发现对于线性退火调度，剩余能量的标度为 $\Delta E \propto L^{1.234} / T_A^2$。为了达到固定的精度 $\Delta E^*$，在系统尺寸低于某个阈值 $L^*$ 时，所需退火时间的标度为 $T_A \propto L^{0.62}$。
• 强耦合区域：针对强相互作用强度（$U/t_H = 8, 16$）的模拟证实，标度区域的起始点保持良性，退火时间被系统尺寸的线性函数所界定（$T_A \propto L^{0.995}$），适用于任意大的 $L$。
• 与经典方法的比较：作者将他们的发现与用于 Bethe 拟设方程的经典求根算法进行了比较。虽然通过 Bethe 拟设寻找能量是多项式级的（$T_{BA} \propto L^{3.3}$），但获取完整的基态系数却是指数级昂贵的。相比之下，量子退火方法在时间和资源相对于系统尺寸的标度上，呈现出次线性到线性的特征，从而得到基态。

意义与主张
本文声称，量子退火为寻找一维 Hubbard 模型的基态提供了相对于经典算法的实质性量子加速。

• 态制备的指数级加速：作者认为，由于经典方法需要指数级资源来确定基态系数（即使能量是多项式级找到的），量子退火时间的多项式（具体为次线性到线性）标度，在制备基态的语境下代表了指数级的量子加速。
• 绝热量子计算的验证：结果支持了绝热量子计算在处理可积量子多体问题中的实用性。观察到的多项式标度归因于一维 Hubbard 模型在非零相互作用强度下不存在相变，这防止了能隙呈指数级闭合。
• 未来展望：虽然该研究聚焦于一维可积情况，但作者指出，这些结果鼓励进一步研究不可积系统（如二维 Hubbard 模型）。他们注意到，虽然高维中的相变可能会改变能隙行为，但在一维案例中展示的优势加强了量子退火解决复杂多体问题的潜力。

作者对立即的实际应用保持谦逊，承认目前涉及数千个门的计算超出了近期硬件的能力范围，但资源标度预示着未来容错架构的良好前景。