想象一下你正在尝试预测天气。你拥有一个极其复杂的模型，包含数十亿个变量：风速、湿度、气压，以及每一滴雨水的温度。如果你试图同时计算出每一种可能场景的确切结果，你的计算机就会因为处理海量数据而爆炸。这就是科学家们在模拟量子计算机时面临的日常挣扎——这些微小且极速的机器有望彻底改变化学和医学领域。

在量子世界中，像电子这样的粒子既表现得像波，又表现得像粒子，并且它们可以处于“纠缠”状态，这意味着它们以一种违背常理的方式跨越空间相互连接。为了模拟一个量子系统，科学家通常必须追踪这些粒子每一种可能排列方式的概率。对于一个仅有50个粒子的系统，其可能性的数量之巨，即便使用超级计算机，也需要比宇宙年龄还要长的时间才能全部检查完毕。这就是为什么我们需要“模拟器”——在我们的常规计算机上运行的软件，用来猜测量子计算机会如何运作，以便我们在制造真正的设备之前测试想法。但对于许多有用的化学问题，即使是这些模拟器也会遇到瓶al（瓶颈）。它们会陷入困境，因为数学计算变得过于沉重，就像试图把一座山背在背包里一样。

于是，ExtraFerm 登场了。由一个研究团队推出的这个新工具，就像是在那座大山中开辟了一条聪明的捷径。ExtraFerm 不再试图背负整座大山，而是准确地知道该走哪条路径来获得你真正需要的答案。它专注于一种用于化学的特定类型量子电路——在这种电路中，粒子的数量保持不变，就像一场没有人离开房间的“音乐椅”游戏。这些电路主要由“匹配门”（matchgates）组成，这类门对计算机来说很容易处理，但它们偶尔会包含一些棘手的“受控相位门”（controlled-phase gates），这让情况变得复杂起来。ExtraFerm 的设计初衷就是为了在不被压垮的情况下处理这些棘手的门。它并不试图计算宇宙中的每一个可能性；相反，它使用一种智能采样方法来高精度地估计最重要的结果。

论文表明，该工具是针对特定化学问题的游戏规则改变者。通过使用 ExtraFerm，研究人员能够模拟拥有 52 和 60 个量子比特（即量子版本的比特）的系统，而由于内存限制，传统的模拟器无法处理这些系统。他们将其应用于一种称为“基于样本的量子对角化”（SQD）的方法上，该方法用于寻找分子的能量级。通过使用 ExtraFerm 在过程早期挑选出最可能的结局，他们提高了对氮气（$N_2$）和 30 个氢原子链（$H_{30}$）等分子能量估算的准确度。最棒的是？该工具几乎没有增加额外的计算时间——在某些情况下，开销不到 2%。这就像拥有一个不仅能找到最快路线，还能帮你节省油耗的 GPS，让化学家能够在现有的、带有噪声且不完美的量子计算机上获得更好的答案。

ExtraFerm 的故事

把量子电路想象成一个巨大的、神奇的迷宫。你在起点丢入一颗弹珠（代表一个粒子），它在系列镜子和门之间弹跳。在标准的量子模拟中，你必须追踪弹珠在所有可能路径中同时进行的轨迹。如果迷宫有 60 个房间，路径的数量将极其庞大，以至于没有任何计算机能把它们全部记录下来。这就是“态矢量”（state vector）方法失效的地方；它试图写下整张地图，结果导致内存耗尽。

ExtraFerm 采取了不同的方法。它意识到对于许多化学问题，迷宫有一个特殊的规则：弹珠的数量永远不会改变。你开始时有 10 颗弹珠，结束时仍有 10 颗。研究人员称这些为“粒子数守恒”电路。这个迷宫中的大多数门都是“匹配门”，它们简单且可预测。然而，其中有一些特殊的“受控相位门”，它们充当了棘手的开关，使得路径之间产生复杂的干涉。

论文将 ExtraFerm 介绍为一种不需要尝试绘制整个迷宫的模拟器。相反，它使用了一种称为“轨迹采样”（trajectory sampling）的技术。想象一下，你正试图通过观察几次练习赛来猜测比赛的最终得分。ExtraFerm 生成数千条“轨迹”——即迷宫的虚构版本，在这些版本中，棘手的开关被设定为两种简单选项之一。它运行这些模拟，累加结果，并利用这些结果来估计弹珠落在特定位置的概率。

论文显示这种方法非常高效。虽然传统模拟器的内存使用量会随着你增加量子比特的数量而爆炸式增长（就像往气球里吹气过多导致爆裂），但 ExtraF Ferm 的内存使用量保持平稳且可控。在测试中，它模拟了高达 60 个量子比特的电路。传统的模拟器可能需要比地球上存在的还要多的内存才能完成这项工作，但 ExtraFerm 在一台普通计算机上就完成了。

研究人员还发现，ExtraFerm 的速度取决于这些棘手门门的“扭曲程度”。如果这些门的旋转角度较小，模拟速度就会很快。如果角度较大，则需要更多的“轨迹”（更多的练习赛）才能获得准确答案。然而，即使在最坏的情况下，它仍然比“张量网络”（tensor networks）或“态矢量”模拟器等其他方法更快，且使用的内存更少。

实战测试：“热启动”技巧

为了证明 ExtraFerm 在现实世界中有效，团队利用它来改进一种名为**基于样本的量子对角化（SQD）**的方法。SQD 是通过从量子计算机中获取样本来确定分子能量的一种方法。想象一下，你正在试图寻找一个雾气缭绕的山谷中的最低点（基态能量）。你采取一系列随机步骤（样本），并寻找最低处。

问题在于，量子计算机是“有噪声的”。它们会犯错，所以有时你会得到一个不合理的样本（比如一个电子数量错误的分子）。SQD 有一个名为“构型恢复”（configuration recovery）的步骤来修复这些错误。通常，它只是选取最常见的样本来构建模型。但研究人员意识到，最常见的样本并不总是最准确的样本。

他们引入了一种“热启动”（warm-start）方法。在挑选样本之前，他们使用 ExtraFerm 来计算每个修正样本的真实概率。然后，他们不再进行随机挑选，而是刻意选择那些 ExtraFerm 指出的最有可能正确的样本。这就像拥有一个熟悉地形的向导，他会指引你前往最佳观察点，而不是让你盲目游荡。

结果令人印象深刻。对于具有 52 个量子比特的氮气（$N_2$）分子，这种方法将能量估算的误差降低了约 13% 到 18%。对于具有 60 个量子比特的氢链（$H_{30}$），改进幅度更大，误差降低了 43% 到 54%。论文指出，虽然这些结果目前还不完美（尚未达到终极的“化学精度”阈值），但它们是向前迈出的重要一步。至关重要的是，使用 ExtraFerm 的成本微乎其微，给总计算时间带来的开销不到 2%。

这意味着什么

这篇论文并不声称已经解决了所有的量子化学问题，也没有制造出一台完美的量子计算机。相反，它为一类特定的困难问题提供了一个强大的新工具。它表明，通过专注于正确类型的电路（即那些守恒粒子数的电路）并使用智能采样而非暴力计算，我们可以模拟以前无法触及的系统。

作者认为，这个工具可以帮助研究人员从我们现有的、带有噪声的量子计算机中获得更好的结果。通过使用 ExtraFerm 来“清理”数据或引导寻找正确答案的过程，我们可以让近期的量子计算机在药物研发和材料科学领域变得更有用。论文总结道，尽管仍有大量工作要做，但 ExtraFerm 为结合经典计算与量子计算来解决现实世界的化学问题开辟了新的机遇。它提醒我们，有时你并不需要计算一切来找到答案；你只需要计算正确的东西。