Computing Green's functions and improving ground state energy estimation on quantum computers with Liouvillian recursion

该论文提出了一种基于量子 - 经典混合的刘维尔递归方法，在超导量子处理器上成功计算了 Hubbard 模型的格林函数，并利用其通过 Galitskii-Migdal 公式显著提升了基态能量估计的精度，同时展现出对噪声和态制备误差的强鲁棒性。

要点

这篇论文讲述了一项关于量子计算的有趣突破，主要解决了一个核心难题：如何在不完美、充满噪音的“早期”量子计算机上，准确计算复杂物质的电子行为，并以此找到更精确的能量数值。

为了让你轻松理解，我们可以把这篇论文的内容想象成**“在嘈杂的厨房里，用一把有点钝的刀，切出一块完美的蛋糕”**的故事。

1. 背景：为什么要切这块蛋糕？

在物理学中，科学家想要理解像高温超导体这样的复杂材料，就需要计算一种叫做**“格林函数”（Green's function）**的东西。

• 比喻：想象这块“蛋糕”就是物质的电子结构。如果你想知道蛋糕里每一层有多少糖、多少面粉（电子的分布和能量），你就需要“切”开它来看。
• 现状：传统的超级计算机切不动这种“蛋糕”，因为太复杂了。量子计算机本来应该擅长切这种蛋糕，但现在的量子计算机（被称为 NISQ 时代）就像一台有点故障、充满噪音的厨房设备。如果你直接用它切蛋糕，切出来的形状往往歪歪扭扭，甚至切不到真正的“地基”（基态能量）。

2. 核心方法：利奥维利安递归（Liouvillian Recursion）

作者提出了一种新的“切蛋糕”技巧，叫做利奥维利安递归。

• 传统做法的痛点：以前的方法要求你必须先完美地准备好蛋糕胚（制备完美的基态），然后进行极其复杂的操作（比如控制很多个量子比特，或者让时间演化很久）。这就像要求你必须先有一把完美的刀，还要在绝对安静的环境下切蛋糕。现在的量子计算机做不到。
• 新方法（递归法）：
  • 比喻：想象你在黑暗中摸索。你不需要一开始就看清整个蛋糕。你只需要从蛋糕表面（一个大概的、不完美的初始状态）开始，一步一步地“问”量子计算机问题。
  • 过程：
    1. 先问：“这里是什么？”（测量初始状态）。
    2. 再问：“如果我把这个切掉，旁边会变成什么样？”（通过递归关系，利用哈密顿量 $H$ 生成新的观测方向）。
    3. 不断重复这个过程，就像滚雪球一样，从简单的信息中推导出越来越复杂的细节。
  • 优势：这种方法不需要完美的初始蛋糕胚。哪怕你一开始拿到的蛋糕胚有点歪（近似基态），只要通过足够多的“递归步骤”（迭代），它就能自动修正误差，最终逼近真实的形状。

3. 实验：在 IBM 的量子处理器上“试刀”

作者在 IBM 的超导量子处理器（IBM Quebec）上进行了测试。

• 测试对象：一个简化的模型（4 个格点的 Hubbard 模型），就像一块只有 4 层的小蛋糕。
• 三种情况：他们准备了三种“初始蛋糕胚”：
  1. 非常完美（99.9% 像真蛋糕）。
  2. 还不错（96.3% 像真蛋糕）。
  3. 有点歪（76.8% 像真蛋糕，甚至有点难吃）。
• 结果：
  • 即使是从那个“有点歪”的蛋糕胚开始，经过几次递归迭代后，算出来的格林函数（蛋糕的切片图）竟然和理论上的完美切片非常接近！
  • 更神奇的是，他们利用这些数据算出的能量，竟然比直接测量那个“歪蛋糕”本身的能量还要准！
  • 比喻：这就像是你用一把钝刀切了一块有点发霉的面包，但通过某种特殊的“递归切法”，你最后算出来的面包热量值，竟然比直接称重那块发霉面包还要准确，甚至接近新鲜面包的真实热量。

4. 为什么这么厉害？（噪音与收敛）

论文发现了一个反直觉的现象：虽然递归步骤越多，需要计算的项数呈指数级爆炸（就像切蛋糕的刀法越来越复杂），但结果的准确度也呈指数级提升。

• 比喻：这就像你在嘈杂的房间里听人说话。
  • 一开始，噪音很大，你听不清（初始状态不准）。
  • 但是，如果你通过某种特殊的“回声定位”（递归法）不断重复询问，噪音的影响会被自动过滤掉。
  • 虽然你要问很多次（计算量变大），但每多问一次，声音就清晰一倍。最终，清晰度的提升速度超过了噪音的干扰速度。
• 结论：这种方法对量子计算机的噪音和初始状态的不完美具有极强的鲁棒性（抗干扰能力）。

5. 总结与意义

这篇论文告诉我们：

1. 不需要完美的量子计算机：我们不需要等到量子计算机完全成熟、没有噪音的那一天，现在就可以用这种“递归法”在现有的、不完美的机器上得到很好的结果。
2. 能量估算更准：通过计算电子的“响应函数”（格林函数），我们可以反推出比直接测量更准确的系统能量。
3. 未来应用：这为未来使用量子计算机解决更复杂的材料科学问题（如设计新电池、新药物）铺平了道路，特别是作为**动力学平均场理论（DMFT）**中的“杂质求解器”，这是一个非常关键的步骤。

一句话总结：
作者发明了一种聪明的“递归切蛋糕”算法，让现在的、充满噪音的量子计算机，即使拿着不完美的初始材料，也能通过不断“追问”和“自我修正”，切出比直接测量更精准的物质能量图景。这证明了在量子计算的“青春期”，我们依然可以做出非常出色的科学发现。

技术摘要

这是一份关于论文《Computing Green's functions and improving ground state energy estimation on quantum computers with Liouvillian recursion》（利用刘维尔递归在量子计算机上计算格林函数并改进基态能量估计）的详细技术总结。

1. 研究背景与问题 (Problem)

• 核心挑战：强关联电子系统的模拟是量子计算最有前景的应用之一，特别是对于动态平均场理论（DMFT）中的杂质求解器。然而，提取物理可观测量（如单粒子格林函数）通常需要响应函数。
• 现有方法的局限：
  • 大多数现有的格林函数计算算法需要额外的昂贵操作，如多量子比特控制门或时间演化，导致电路深度过深，难以在近期（NISQ）量子计算机上运行。
  • 基于子空间对角化的方法虽然存在，但往往构建复杂。
  • 基于递归或矩展开的方法（如 Lanczos 方法）虽然更系统，但通常需要在哈密顿量形式下操作，且对基态制备的精度和噪声敏感。
• 具体痛点：如何在有限的量子资源下，利用近似的基态制备电路，高效、鲁棒地计算格林函数，并从中获得比直接测量哈密顿量期望值更准确的基态能量估计。

2. 方法论 (Methodology)

本文提出了一种量子 - 经典混合算法，基于**刘维尔递归（Liouvillian recursion）**方法。

• 核心思想：
  • 将格林函数的计算转化为在算符希尔伯特空间（Operator Hilbert Space）中的递归过程，而非传统的态矢量空间。
  • 利用刘维尔算符 $L(f) = [H, f]$（即哈密顿量与算符的对易子）在算符空间中生成正交基。
• 算法流程：
  1. 对角格林函数（$r=r'$）：
     • 通过递归测量生成一系列算符 $f_{k,r}$。
     • 利用递归关系计算系数 $\alpha_{k,r}$ 和 $\beta_{k,r}$（涉及对易子 $[H, f]$ 和反对易子 $\{f^\dagger, f\}$ 的期望值）。
     • 将格林函数表示为**连分数（Continued Fraction）**形式：
       $$G_{rr}(\omega) = \frac{1}{\omega - \alpha_0 - \frac{\beta_1^2}{\omega - \alpha_1 - \dots}}$$
  2. 非对角格林函数（$r \neq r'$）：
     • 利用正交多项式分解，结合对角格林函数和额外的期望值 $\langle \{f_{k,r}, c^\dagger_{r'}\} \rangle$ 进行计算。
     • 避免了矩阵连分数的复杂构建，采用多项式混合公式。
  3. 量子实现：
     • 在量子计算机上制备近似基态 $|g\rangle = U_g|0\rangle$。
     • 通过统计采样测量递归过程中产生的可观测量（Pauli 算符的期望值）。
     • 将哈密顿量映射为 Pauli 算符（Jordan-Wigner 变换）。
  4. 能量估计：
     • 利用计算出的格林函数，通过Galitskii-Migdal 公式重构基态能量，而非直接测量 $H$ 的期望值。

3. 关键贡献 (Key Contributions)

1. 全格林函数获取：与以往工作（如 Irmejs 和 Santos）不同，该方法直接获取完整的推迟格林函数（Retarded Green's Function），而非分离的空穴和电子贡献。
2. 非对角元素的高效计算：提出了一种多项式混合公式来计算非对角元素，避免了复杂的矩阵连分数运算，仅需每个迭代步增加一个期望值测量。
3. 能量估计的改进：证明了利用格林函数通过 Galitskii-Migdal 公式计算的能量，比直接测量近似基态下哈密顿量的期望值（$\langle H \rangle$）更准确，即使基态制备质量较差。
4. 鲁棒性验证：在硬件上验证了算法对噪声和基态制备不完美（低保真度）具有显著的鲁棒性。
5. 复杂度分析：虽然递归生成的 Pauli 算符数量随迭代次数指数增长，但算法的指数收敛性抵消了这一成本。通过 Wasserstein 距离衡量，计算复杂度在格林函数精度上是多项式级的（$O(1/\epsilon^4)$）。

4. 实验结果 (Results)

• 实验设置：

  • 模型：一维开边界 4 格点 Hubbard 模型（半满，$U=4t$）。
  • 硬件：IBM Quebec 超导量子处理器（156 量子比特，实际使用 8 个量子比特）。
  • 基态制备：使用了三个不同保真度的近似基态电路（保真度分别为 0.999, 0.963, 0.768），通过经典模拟 VQE 获得。
  • 误差缓解：使用了 TREX、ZNE 和门绞转（Gate Twirling）等技术。

• 主要发现：

  • 格林函数收敛：在迭代次数 $k=6$ 时，硬件结果已能定性接近精确解（$k=30$ 收敛）。对角和非对角格林函数均与模拟结果高度吻合。
  • 能量估计优势：
    • 对于高保真度电路（0.999），硬件测量的 $\langle H \rangle$ 因噪声偏离真值，但算法计算的能量更接近真值。
    • 对于低保真度电路（0.768），尽管 $\langle H \rangle$ 误差巨大，算法计算的能量依然显著优于 $\langle H \rangle$。
    • 偶数迭代优势：由于粒子 - 空穴对称性，偶数迭代步的能量估计通常优于奇数步。
  • 收敛与成本：
    • 图 2(d) 显示，计算出的格林函数与精确解的 Wasserstein 距离随迭代次数呈指数下降。
    • 图 3 显示，尽管 Pauli 算符数量（计算成本）随迭代指数增长，但误差的下降速度更快，最终使得总计算成本与误差呈多项式关系（$d \propto p^{-1/4}$，其中 $p$ 为算符数量）。
  • 噪声鲁棒性：即使基态制备电路保真度较低（0.768），算法生成的系数 $\alpha_k, \beta_k$ 在前几次迭代中仍能保持与高精度基态相似的行为，表明算法对初始态误差具有内在的容错性。

5. 意义与展望 (Significance)

• 近期量子计算适用性：该算法证明了 Liouvillian 递归方法非常适合 NISQ 设备，因为它不需要深度的时间演化电路，且对基态制备的不完美和硬件噪声具有极强的鲁棒性。
• DMFT 的潜在应用：该方法为在量子计算机上构建动态平均场理论（DMFT）的杂质求解器提供了新的路径，有助于研究强关联电子系统。
• 超越 Hubbard 模型：利用 Galitskii-Migdal 公式改进能量估计的方法不仅适用于 Hubbard 模型，还可推广至自旋哈密顿量及分子的电子/振动结构计算。
• 理论突破：通过实证数据展示了“指数收敛抵消指数成本”的机制，为量子算法在计算格林函数方面提供指数加速的可能性提供了有力证据。

总结：这项工作展示了一种高效的量子 - 经典混合算法，利用刘维尔递归在噪声环境下计算格林函数，并成功利用这些函数修正了基态能量估计。其核心优势在于对噪声和初始态误差的鲁棒性，以及通过指数收敛性实现的计算效率，为未来在量子计算机上模拟强关联物质奠定了坚实基础。