⚛️ quantum physics

Counterdiabatic ADAPT-VQE for molecular simulation

本文提出了一种混合反绝热 ADAPT-VQE 方法，该方法将反绝热驱动集成到 ADAPT-VQE 框架中，以提高分子基态模拟的性能并降低电路深度。

原作者： Diego Tancara, Herbert Díaz-Moraga, Dardo Goyeneche

发布于 2026-07-09

📖 1 分钟阅读🧠 深度阅读

原作者： Diego Tancara, Herbert Díaz-Moraga, Dardo Goyeneche

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，你正试图烤出一个完美的蛋糕（分子的基态），但你的厨房里到处都是摇晃的桌子和不稳固的烤箱（我们今天的嘈杂量子计算机）。为了把蛋糕做对，你需要一个食谱（算法），这个食谱既要精准，又不能耗时太久，否则蛋糕在做完之前就会烧焦。

长期以来，科学家们一直试图寻找最佳食谱的方法叫做 ADAPT-VQE。你可以把它想象成一层一层地构建蛋糕。你从基础面糊开始，尝一下味道，然后问自己：“我下一步应该添加哪种单一成分，才能让味道更好？”你通过不断添加最有帮助的成分，一步步完成蛋糕，直到它变得完美。这种方法非常出色，因为它避免了陷入“平坦口感”区域（称为“贫瘠高原”，barren plateau），即在那里你无法判断自己是否在进步。

然而，还有另一种烘焙方式叫做反绝热驱动（counterdiabatic driving）。想象一下，你正在沿着一座陡峭的山坡缓慢爬行，以保持在路径上（绝热路径）。如果你走得太快，就会滑落。反绝热驱动就像是一位神奇的向导，每当你开始滑落时，他都会轻轻地把你推回路径上，这让你即使走得很快也能不掉队。

问题在于，这个“神奇向导”通常需要一份非常长且复杂的指令清单（一个深层电路），而我们目前的这些摇晃的烤箱无法处理。如果你尝试使用完整的向导指南，食谱会变得过长，从而损坏机器。

核心创意：混合主厨
在这篇论文中，作者提出了将这两种想法巧妙结合的方法。他们称之为 Counterdiabatic ADAPT-VQE（或 CD-ADAPT）。

它是这样运作的：

向导的清单： 他们并没有使用来自神奇向导的完整、庞大的指令清单，而是将向导的“建议”转化为了一个可选成分的“购物清单”（一个算符池）。
品尝： 然后，他们使用“层层递进”的品尝法（ADAPT-VQE）从该购物清单中挑选出最优质的成分。
结果： 你既获得了神奇向导的速度和精度，又避免了那份庞大且破碎的食谱。你只用那些真正有帮助的特定成分来烘焙。

他们的发现（模拟结果）
作者并没有在真实的量子计算机上构建实验，而是在计算机上运行了详细的模拟，以观察其效果。他们测试了三种不同的“蛋糕”（分子）：氢化锂 (LiH)、氟化氢 (HF) 和氢化铍 (BeH2)。

以下是他们的模拟结果显示的内容：

更好的味道（精度）： 当他们使用这种新的混合食谱时，“味道”（能量计算）与完美的理论蛋糕极其接近。对于 HF 分子，他们的方法比标准的 ADAT-VQE 方法将误差降低了约三个数量级。这意味着如果旧方法差了一个沙粒，新方法仅差一粒微尘。
更小的食谱（电路深度）： 在量子计算中，食谱的“大小”是通过需要多少个“CNOT 门”（一种特定的逻辑开关）来衡量的。
- 对于 BeH2 分子，他们的法在第一层近似时使用了 208 个 CNOT 门，而标准方法需要 419 个。
- 对于 LiH 分子，他们使用了 134 个门，而标准方法需要 884 个。
- 对于 HF 分子，他们使用了 156 个门，而标准方法需要 993 个。
- 相比之下，“纯粹”的反绝热方法（没有经过智能选择）却是一场灾难，需要数千个门（例如 HF 需要 13,590 个），而且味道依然不对。

他们排除了什么
论文明确反对在这些问题上单独使用标准的反绝热方法。他们发现，直接运行完整的反绝热协议（称为 DCQO）所需的门数量之多，使得它在实际应用中变得不切实际，即使在步骤很少的情况下，精度也很差（误差在 10⁻² 到 10⁻³ 之间）。他们还表明，如果只是简单地增加清单中的成分而不进行智能的“品尝”选择，会让食谱变得过长而失去实用价值。

他们有多确定？
作者对他们的模拟非常有信心。他们指出，其结果“展示了改进”并“支持了结合这两种范式的有效性”。他们测量出的误差在某些情况下低至 10⁻⁸ 原子单位 (au)，这远好于实现有用化学研究所需的“化学精度”标准（通常为 10⁻³ au）。

然而，他们也谨慎地指出，这些都是数值模拟。他们尚未在真实的物理量子计算机上运行此方法。他们认为，这种方法适用于“NISQ”（含噪声的中等规模量子）设备和早期的容错计算机，但目前的证明目前存在于数学和模拟之中，而非物理实验室实验。

总结
通过让一个聪明的选择器从向导的清单中挑选出最好的成分，作者发现了一种用更少的成分和更短的时间来烘焙出更好分子蛋糕的方法。这个食谱表明，我们可以获得快速奔跑者的速度和谨慎步行者的稳定性，同时又不会弄坏厨房。

技术摘要：用于分子模拟的反绝热 ADAPT-VQE

问题陈述
变分量子特征值求解器（VQE）是用于在含噪声中规模量子（NISQ）设备上估计分子基态的重要算法。然而，标准的固定拟设（ansatz），例如基于单激发和双激发的单位耦合集群（UCCSD）拟设，经常受到“贫瘠高原”（barren plateau）问题的困扰，即代价函数的梯度方差随系统规模呈指数级消失，从而阻碍了训练。虽然自适应 VQE（ADAPT-VQE）通过从算符池中动态构建拟设来缓解这一问题，但算符池的选择仍然至关重要。基于映射到量子比特的费米子激发的标准算符池可能会导致深层电路。相反，数字化反绝热量子优化（DCQO）相比于标准绝热演化具有性能优势，能够抑制非绝热跃迁，但如果使用高阶近似绝热规范势（AGP），则通常需要深层电路，因为随着近似阶数的增加，项的数量会迅速增长。

方法论
作者提出了一种名为 CD-ADAPT 的混合量子-经典算法，该算法将 ADAPT-VQE 的自适应拟设构建与反绝热驱动的算符选择原理相结合。该方法流程如下：

哈密顿量构建： 使用标准变换（如 Jordan-Wigner）将分子哈密顿量 ( $\hat{H}_f$ ) 映射到量子比特表示。通过在初始哈密顿量 ( $\hat{H}_i$ ) 和 $\hat{H}_f$ 之间进行插值，构建一个绝热哈密顿量。初始哈密顿量被设计为使其基态对应于 Hartree-Fock 态，利用局部 Pauli-Z 算符实现。
反绝热驱动与 AGP： 为了加速绝热演化，添加了一个由近似绝热规范势（AGP） $\hat{A}_\lambda$ 控制的反绝热项。由于精确的 AGP 在计算上是难以处理的，作者采用了基于 $l$ 阶嵌套对易子的近似方法：
$\hat{A}^{(l)}_\lambda = i \sum_{k=1}^l \alpha_k(t) \hat{O}_{2k-1}(t)$
其中 $\hat{O}_k$ 涉及绝热哈密顿量与其关于调度函数导数的嵌套对易子。
算符池生成： 作者并非使用反绝热协议的完整时间演化算符（这会固定电路深度），而是从近似 AGP 中提取生成器项（Pauli 串）。这些项构成了一个新的算符池 $\{ \hat{G}_j \}$ 。算符池的大小取决于近似阶数 $l$ ，且对于 $l \geq 2$ ，可以通过在特定中间时刻 $t'$ 评估时间相关系数来调节其大小。
自适应选择： CD-ADAPT 算法从 Hartree-Fock 态开始初始化。它迭代地计算算符池中每个算符的能量梯度。产生最大梯度幅值的算符被附加到拟设中，并执行 VQE 优化以更新变分参数。此过程重复进行，直到梯度范数低于阈值 $\epsilon$ 。

核心贡献

混合框架： 本文引入了一种新颖的方法，利用反绝热驱动项来定义 ADAPT-VQE 算法的算符池。这使得包含高阶 AGP 近似（ $l > 1$ ）成为可能，而不会像传统的 DCQO 那样导致电路深度的指数级增加，因为自适应选择会过滤掉不相关的项。
时间相关算符池调制： 作者提出了一种技术，通过在特定时间 $t'$ 评估 AGP 的时间相关系数，生成介于近似阶数 $l=1$ 和 $l=2$ 之间的中间规模算符池。这是通过使用张量化 Pauli 分解（TPD）算法来提取 Pauli 串实现的。
局部初始哈密顿量： 本研究定义了一个特定的、由 Pauli-Z 算符组成的局部初始哈密顿量，该哈密顿量将 Hartree-Fock 态编码为其基态，从而促进了绝热协议。

结果
算法针对三种分子系统进行了数值模拟：氢化锂（LiH）、氟化氢（HF）和线性氢化铍（BeH $_2$ ），使用了 10 量子比特模型及活性空间变换。

准确度： CD-ADAPT 的表现显著优于标准的 DCQO 和费米子 ADAPT-VQE。
- 与 DCQO（使用 2 个 Trotter 步）相比，CD-ADAPT 将基态能量误差降低了约三到五个数量级。
- 与费米子 ADAPT-VQE 相比，CD-ADAPT 在准确度上实现了约一到三个数量级的提升。
- 对于 $l=2$ 的近似，误差降低到了 $10^{-7}$ 至 $10^{-8}$ Hartree 的范围，远低于化学精度（ $10^{-3}$ Ha）。
电路效率： 尽管使用了更大的潜在算符池，但自适应选择 menghasilkan 了更紧凑的电路。在达到相同的分子模型和收敛阈值时，CD-ADAPT 比费米子 ADAPT-VQE 显著减少了 CNOT 门的使用（减少了约 100–500 个），同时保持了更高的准确度。
阶数依赖性： 将 AGP 近似阶数从 $l=1$ 提高到 $l=2$ 一致地提高了准确度。在 $l=2$ 范围内，评估时间 $t'$ 的选择会影响性能，对于 LiH 和 HF， $t'=0.75$ 通常比 $t'=0.25$ 产生的误差更低。

意义与主张
作者声称，将反绝热驱动与 ADAPT-VQE 的自适应拟设构建相结合，比单纯依赖单激发和双激发等具有物理动机的相互作用项，为获取分子基态提供了一条更有效的路径。这项工作的意义在于证明了加速绝热动力学可以引导拟设算符的选择，从而实现：

卓越的准确度： 实现比标准基准低数个数量级的误差。
降低电路深度： 生成比标准 DCQO 和费米子 ADAPT-VQE 更浅的电路，使该方法对 NISQ 和早期容错设备更具可行性。
近似的可扩展性： 能够在不产生通常与数字化反绝热协议相关的过高电路深度成本的情况下，使用高阶 AGP 近似（ $l>1$ ）。

论文得出结论，这种混合方法是当前及近未来量子硬件进行分子模拟的合适候选方案，为现有的变分方法和绝热方法提供了强有力的替代方案。

类似论文