Quantum linear solvers for quantum chemistry: prospects of exponential quantum advantage

技术摘要：用于量子化学的量子线性求解器：指数级量子优势的前景

问题陈述
量子线性求解器（QLS），如 Harrow-Hassidim-Lloyd (HHL) 算法，在求解线性方程组方面具有理论上的指数级量子优势潜力。在量子化学中，线性化耦合簇（LCC）方程可以重构为线性系统（$A\vec{x} = \vec{b}$），使其成为 QLSs 的天然候选对象。然而，实现这种优势取决于矩阵 $A$ 的条件数（$\kappa$）随系统规模的变化情况。现有文献表明，理想的（多项式对数级）$\kappa$ 缩放非常罕见，许多应用表现出多项式或指数级增长。此外，以往将 HHL 应用于量子化学的研究主要局限于单参考线性化耦合簇（SRLCC）方法，而这类方法无法捕捉对于描述键断裂和形成至关重要的强静态相关效应。本文解决的核心挑战包括：(1) 将 QLS 框架扩展到处理强相关的多参考系统；(2) 严格评估条件数和稀疏度是否能够以足够优化的方式随系统规模缩放，从而保证相对于经典共轭梯度（CG）算法的指数级量子优势。

方法论
作者提出了一个结合了理论推导、缩放分析和数值概念验证模拟的综合框架：

1. 理论扩展： 作者将现有的 QLS-SRLCC 框架扩展到基于内部收缩多参考线性化耦合簇（icMRLCC）方法的多参考表述。他们推导了 icM-MRLCCSD（单激发与双激发）的工作方程，证明了振幅方程可以表述为线性系统 $A\vec{x} = \vec{b}$，其中解向量 $\vec{x}$ 包含激发振幅，且可以通过在输入态 $|b\rangle$ 与输出态 $|x\rangle$ 之间使用 Hong-Ou-Mandel 电路进行重叠测量来提取相关能。
2. 缩放分析： 为了评估可行性，作者分析了 $A$ 矩阵的条件数（$\kappa$）和稀疏度（$s$）随系统规模（$N$）的变化。他们采用了三种互补的诊断方法：
   • 显式计算： 通过改变虚拟自旋轨道的数量，直接计算小型模型系统（LiH, H4, BeH$_2$, BeH$_2^+$）的 $\kappa$。
   • 对角线比率代理： 利用 $A$ 矩阵最大与最小对角项之比（$d_{max}/d_{min}$）推导 $\kappa$ 的上界，并对对角占优和非对角占优情况进行了验证。
   • 边缘生成猜想（Edge Spawning Conjecture）： 适配了一种关于图邻接矩阵的数据驱动猜想。通过将非零矩阵元素映射为图的边，他们分析了矩阵模式的“弥散性”，以推断 $\kappa$ 的缩放行为。
3. 运行时间与资源估算： 作者计算了比较经典 CG 和量子求解器（HHL 以及近乎最优的 Childs-Kothari-Somma (CKS) 算法）的运行时间比（$R$）。他们还估算了双比特门计数，并讨论了经典预处理成本（构建 $A$ 和 $\vec{b}$）以及后处理成本。
4. 数值模拟： 使用 Qiskit 上的 HHL 算法对 LiH、H4 和 BeH$_2$ 的势能曲线（PEC）进行了概念验证模拟。这些模拟将 HHL-icMRLCCSD 的结果与经典方法（CASSCF, icMRCI, CCSD, CCSD(T)）以及全配置相互作用（FCI）进行了基准测试。

核心贡献与结果

• 多参考框架： 本文成功地将 icMRLCC 方程表述为适用于 QLSs 的线性系统，解决了以往单参考方法的局限性，并实现了对强相关的处理。
• 条件数缩放： 三种诊断方法均给出了预测一致的结果，表明条件数 $\kappa$ 随系统规模（特别是随虚拟轨道数）呈多项式对数级缩放。显式计算显示出与多项式对数趋势一致的“阶梯状”增长，且 $d_{max}/d_{min}$ 比率紧密追踪了这一行为。
• 稀疏度与优势： 研究发现 LCC 矩阵的稀疏度 $s$ 随系统规模呈亚线性缩放（$s \sim N^{2/E}$，其中 $E$ 是激发秩）。
• 量子优势前景： 结合多项式对数级 $\kappa$ 缩放与亚线性稀疏度缩放，作者得出的运行时间比显示：
  • 对于 HHL 算法，当激发秩 $E > 2$ 时（例如 LCCSDT 及更高阶），可实现指数级优势。
  • 对于近乎最优的 CKS 算法，即使在 LCCSD（$E=2$）水平上也能实现指数级优势。
• 数值精度： 对模型系统（最多四个原子）的概念验证模拟显示，其相对于基准经典方法的能量误差不超过 0.009%。HHL-icMRLCCSD 方法在强相关区域（如 H4 和 BeH$_2$ 的拉伸键处）表现出稳定性，性能优于单参考方法。
• 资源分析： 研究详细说明了状态制备和 HHL 幺正变换的门计数，并指出虽然量子算法步骤提供了潜在的加速，但经典预处理成本（构建积分和 $A$ 矩阵）仍然是端到端工作流中的显著瓶颈。

意义与主张
本文声称提供了通过 icMRLCC 框架处理强相关量子化学问题的首个通用 QLSs 处理方案。其主要意义在于对条件数缩放进行了严格评估，而这是决定量子优势的一个关键但常被忽视的因素。通过证明 LCC 问题中的 $\kappa$ 具有良好的缩放特性（多项式对数级），这项工作支持了这些特定化学问题实现指数级量子优势的前景，特别是在使用如 CKS 等近乎最优的求解器时。

作者将 QLS-LCC 定位为而非高精度主动空间方法（如量子相位估计，QPE）的替代品，而是一种补充手段。他们提出了一种混合工作流：由 QPE 处理具有化学意义的主动空间（捕捉静态相关），而由 QLS-LCC 处理较大的外部轨道空间（捕捉动力学相关），后者仅需对数级的量子比特需求。论文最后指出，虽然量子算法步骤展现出前景，但要实现端到端的优势，未来需要开发高效的量子预处理技术，以取代目前的经典瓶颈。