💻 computer science

Multiconfiguration Pair-Density Functional Theory Calculations of Low-lying States of Complex Chemical Systems with Quantum Computers

本文提出了一种结合变分量子本征求解器与多构型对密度泛函理论的混合策略，通过将静态关联限制在紧凑的多参考量子态中并利用经典泛函恢复动态关联，显著降低了量子资源开销，从而在含噪量子硬件上实现了对强关联复杂化学系统（如 Cr₂二聚体）的高精度预测。

原作者： Zhanou Liu, Yuhao Chen, Yingjin Ma, Xiao He, Yuxin Deng

发布于 2026-04-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Zhanou Liu, Yuhao Chen, Yingjin Ma, Xiao He, Yuxin Deng

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

这篇论文讲述了一个非常前沿的尝试：如何利用现在的“不完美”量子计算机，去解决化学中最难的问题——预测复杂分子的性质。

为了让你轻松理解，我们可以把这篇论文的核心思想想象成**“一个量子计算机和一位超级化学家组成的梦幻搭档”**。

1. 背景：为什么这很难？（“大象与蚂蚁”的困境）

在化学世界里，原子和电子就像一群调皮的小精灵。要准确预测它们怎么跳舞（化学反应、能量变化），我们需要计算它们之间的两种“互动”：

静态互动（Static Correlation）： 就像一群人在玩“石头剪刀布”，大家互相牵制，谁也不能单独行动。这通常发生在化学键断裂或形成时，非常复杂，需要量子计算机这种“超级大脑”来处理。
动态互动（Dynamic Correlation）： 就像一群人在拥挤的房间里互相避让，虽然琐碎但数量巨大。这部分用传统的超级计算机（经典计算机）就能算得很快。

以前的难题是： 如果让量子计算机把这两种互动全算一遍，需要的电路太深、太复杂，现在的量子计算机（被称为“含噪声中等规模量子计算机”，NISQ）就像个容易分心、容易犯错的初学者，算着算着就“晕”了，算不准。

2. 核心方案：VQE-MC-PDFT（“分工合作”的智慧）

作者提出了一种混合策略，就像让量子计算机和经典计算机分工合作，各展所长：

量子计算机（负责“抓大头”）： 它只负责处理最棘手的“静态互动”。它像一个精明的指挥官，只关注那些最关键的电子（就像只关注战场上的核心将领），用一种简化的方式（多组态波函数）把它们的状态算出来。因为它只算核心部分，所以电路很短，现在的量子计算机也能扛得住。
经典计算机（负责“补细节”）： 量子计算机算出核心状态后，把数据传给经典计算机。经典计算机像一个经验丰富的老会计，利用一种叫做“对顶密度泛函”（On-top Pair-Density Functional）的数学工具，快速把剩下的琐碎“动态互动”补上。

比喻： 想象你要装修一套大房子。

量子计算机负责打地基和砌承重墙（最难、最关键的结构性问题）。
经典计算机负责刷墙、铺地板、装灯具（繁琐但规则明确的工作）。
两者结合，既保证了房子不塌（结构准确），又装修得漂亮（细节丰富），而且速度比一个人全包要快得多。

3. 他们做了什么实验？（“考场上的表现”）

为了证明这个“梦幻搭档”真的好用，作者在三个著名的“化学考题”上进行了测试：

碳二分子（C₂）： 这是一个电子结构很复杂的分子，像是一个“性格多变”的演员。
- 结果： 他们的算法算出的键长和激发能量，几乎和实验值一模一样（误差极小），比单独用经典方法或单独用简单的量子方法都要准。
苯环（Benzene）： 这是芳香族化合物的代表，像是一个“六人舞团”。
- 结果： 在预测苯环吸收光后的能量变化时，他们的算法表现优异，远超普通的化学软件（TDDFT），达到了顶尖水平。
铬二聚体（Cr₂）： 这是化学界的“终极 BOSS"。它有两个铬原子，中间有极其复杂的“六重键”，电子纠缠得像个乱麻。
- 挑战： 以前连超级计算机都很难算准，需要巨大的算力。
- 突破： 作者利用一种**“拼图策略”**（电路分割），把大任务拆成小块，让量子计算机分批次处理，最后拼起来。即使在有噪音的量子硬件上，他们也成功算出了铬二聚体的结合能，得到了一个合理的化学键图像（以前很多方法算出来是排斥的，即两个原子根本吸不到一起，但这显然是错的）。

4. 关键创新点（“为什么这次能成？”）

自我修正（Self-consistent）： 这个系统不是算一次就结束，而是像“调音师”一样，算完一遍后，会自动调整轨道参数，再算一遍，直到结果最完美。
抗噪能力（Error Mitigation）： 现在的量子计算机容易出错（就像收音机有杂音）。作者发明了一套**“降噪耳机”**（基于电子密度信息的误差修正协议），能识别并过滤掉测量时的噪音，让结果更可信。
可扩展性（Scalability）： 他们证明了，即使量子计算机的比特数（算力）有限，通过巧妙的拆分和重组，也能模拟出相当于 84 个量子比特的大系统（实际上是在 13 个物理比特上跑出来的效果）。

5. 总结：这意味着什么？

这篇论文告诉我们：我们不需要等到拥有完美、无噪音的量子计算机那天，才能开始做有用的化学计算。

通过这种**“量子算核心，经典补细节”**的混合模式，加上聪明的抗噪技巧，我们现在的量子计算机就已经能解决一些连传统超级计算机都头疼的复杂化学问题了。这就像是在一辆还在磨合期的赛车上，通过优化驾驶技术和空气动力学，依然能跑出惊人的速度。

一句话总结： 作者给量子计算机找了一个聪明的“副驾驶”（经典算法），让它们联手攻克了化学计算中的“硬骨头”，为未来设计新药、新材料铺平了道路。

这是一份关于论文《Multiconfiguration Pair-Density Functional Theory Calculations of Low-lying States of Complex Chemical Systems with Quantum Computers》（利用量子计算机计算复杂化学系统低能态的多构型对密度泛函理论）的详细技术总结。

1. 研究背景与核心问题 (Problem)

强电子关联的挑战： 在计算化学中，准确描述复杂系统中的强电子关联（特别是静态关联和动态关联）是一个主要难题。传统的单参考方法（如 Hartree-Fock, DFT, CCSD）难以处理静态关联，而多参考方法（如 CASSCF）虽然能处理静态关联，但往往忽略动态关联，导致精度不足。
量子计算的局限性： 变分量子本征求解器（VQE）是处理电子结构的有前景的框架。然而，现有的基于 VQE 的单参考方法（如 UCCSD）在处理强关联体系时，需要极深的量子电路来恢复动态关联，这超出了当前含噪声中等规模量子（NISQ）设备的硬件能力（相干时间短、CNOT 门数量限制）。
现有方案的不足： 虽然多参考波函数（如 CASSCF）可以处理静态关联，但完全在量子硬件上模拟包含动态关联的大规模多参考态（如大型活性空间）会导致电路过深，难以在真实硬件上实现。

2. 方法论：VQE-MC-PDFT 混合策略 (Methodology)

作者提出了一种名为 VQE-MC-PDFT 的混合量子 - 经典算法，旨在通过解耦关联效应来降低量子资源需求，同时保持物理严谨性。

核心思想： 将电子关联分为两部分处理：
1. 静态关联（Static Correlation）： 由量子计算机处理。利用 VQE 在化学相关的活性空间（Active Space）内制备紧凑的多参考量子态（Multireference Quantum State）。
2. 动态关联（Dynamic Correlation）： 由经典计算机处理。利用量子态测量得到的约化密度矩阵（RDMs），通过经典的“对密度泛函”（On-top Pair-Density Functional, 如 ftPBE）来恢复动态关联。
工作流程：
1. 量子部分： 使用参数化量子电路（基于 CASCI 的 ansatz）制备多构型波函数。
2. 测量： 从收敛的 VQE 态中提取一阶和二阶约化密度矩阵（1-RDM 和 2-RDM）。
3. 经典部分： 基于 RDMs 计算对密度泛函能量 $E_{ot}[\rho, \Pi]$ ，并计算其对轨道旋转的梯度。
4. 自洽优化： 将计算出的轨道旋转生成子（Orbital-rotation generator）编译回量子电路，更新分子轨道，形成自洽迭代循环（Self-consistent orbital optimization）。
关键技术扩展：
- 自洽轨道优化： 引入基于 ftPBE 梯度的轨道旋转，使构型系数和分子轨道同时优化。
- 电路分割策略（Circuit Partitioning）： 将弱纠缠的簇分解，结合经典重构，使得在有限量子比特下能模拟更大的活性空间（如 Cr2 的 48 电子 42 轨道）。
- 基于密度的误差缓解： 利用测量的电子密度信息，采用类似有限元方法（FEM）的迭代策略来校正读取误差（Readout Error），提高 RDM 和能量的准确性。

3. 关键贡献 (Key Contributions)

算法创新： 首次将 VQE 与多构型对密度泛函理论（MC-PDFT）结合，提出了一种在 NISQ 设备上高效处理强关联体系的混合方案。
资源效率： 通过分离静态和动态关联，显著减少了量子电路的深度和纠缠门数量，避免了昂贵的全动态关联量子模拟。
大规模模拟能力： 通过电路分割技术，在 13 量子比特的超导设备（Tianji-S2）上，成功模拟了等效于 84 量子比特规模的铬二聚体（Cr2）体系（活性空间 48e, 42o），这是目前报道的基于分割 VQE 工作流中规模最大的 Cr2 模拟之一。
高精度验证： 在多个基准测试中实现了化学精度（Chemical Accuracy），证明了该方法在噪声硬件上的鲁棒性。

4. 主要结果 (Results)

研究在三个关键化学体系上进行了验证：

碳二聚体 (C2)：
- 基态性质： 准确重现了 C2 基态的势能曲线。在平衡键长（1.25 Å）处，结合能计算值为 -6.227 eV，与高精度 SHCI 参考值（-6.209 eV）高度一致，而传统的 VQE-SA-CASSCF 偏差较大。
- 激发态性质： 计算了 8 个低能单重态和三重态。平衡键长的平均绝对误差（MAE）仅为 0.006 Å，绝热激发能的 MAE 为 0.10 eV。
- 鲁棒性： 相比 VQE-SA-CASSCF，VQE-MC-PDFT 的势能曲线更平滑，消除了硬件噪声引起的中间区域波动。
铬二聚体 (Cr2)：
- 挑战： Cr2 具有形式上的六重键，需要极大的活性空间（CAS(48e, 42o)）才能正确描述解离行为。
- 结果： 即使在使用最小活性空间时，VQE-MC-PDFT 也能得到束缚的势能曲线，而纯 VQE-CASSCF 则给出错误的排斥曲线。
- 扩展性： 随着量子资源从 52 增加到 84 个量子比特（通过分割策略），结合能结果系统性地收敛至经典基准（MPS-LCC 和 SHCI）。在 84 量子比特规模下，计算出的结合能为 -0.465 eV，与经典基准非常接近。
苯 (Benzene)：
- 激发态： 计算了苯的 $\pi \to \pi^*$ 激发态。
- 精度： 与 QUEST 数据库的理论最佳估计（TBE）相比，5 个激发态的平均绝对误差（MAE）为 0.048 eV。
- 对比： 该精度优于标准的 TDDFT（MAE 0.37 eV），并与高精度的 NES-VMC 方法（MAE 0.076 eV）相当。

5. 意义与展望 (Significance)

NISQ 时代的实用路径： 该研究证明了通过分离关联类型（量子处理静态，经典处理动态），可以在当前的噪声量子硬件上实现可靠的强关联体系预测，为“化学精度”的量子计算提供了切实可行的路线图。
可扩展性： 结合电路分割和误差缓解技术，该方法展示了处理大型活性空间（如过渡金属簇）的潜力，突破了传统 VQE 对电路深度的限制。
未来方向： 尽管取得了显著进展，作者指出半内层（semi-core）关联对活性空间定义的敏感性仍需改进，未来需要开发自动化的活性空间选择算法和更高效的测量策略。此外，对密度泛函的泛化能力（Transferability）也需要进一步验证。

总结： 这篇论文通过 VQE-MC-PDFT 框架，成功解决了 NISQ 设备在处理强关联化学体系时电路过深和精度不足的矛盾，在 C2、Cr2 和苯等具有挑战性的分子上实现了高精度的基态和激发态计算，标志着量子计算化学向实用化迈出了重要一步。