⚛️ lattice

Hamiltonian spectra in quantum computers through the generalized eigenvalue method

本文提出并验证了一种通过广义特征值问题从量子生成的实时相关函数中提取哈密顿能量特征值的方法，并通过模拟和硬件测试证明了该方法比基于傅里叶变换的方法更具显著效率。

原作者： Valery Simonyan, Greg Ridgway, Paulo Bedaque

发布于 2026-08-11

📖 1 分钟阅读🧠 深度阅读

原作者： Valery Simonyan, Greg Ridgway, Paulo Bedaque

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，你正试图聆听一支乐队演奏的歌曲，但音乐却是所有乐器同时演奏时产生的混乱、重叠的轰鸣声。在量子物理世界中，这种“歌曲”就是系统的能量谱——即一个粒子或一组粒子可能拥有的所有能量层级的列表。了解这些能级就像是了解一个分子能唱出哪些音符；它能告诉我们粒子的质量、它们如何结合在一起，以及它们如何相互散射。几十年来，科学家们一直试图通过在“慢动作”模式下模拟系统来聆听这些音符，在这种模式下，音乐会逐渐消退，只留下最低、最深沉的音符（基态）清晰可闻。但这就像是在等待鼓声停止来聆听小提琴独奏一样；这对于低音有效，但更高、更复杂的音符会在你听到之前就淹没在噪音中。

现在，想象一下如果你能实时聆听这支乐队，每种乐器都在同时大声且清晰地演奏。这就是量子计算机所做的：它们生成随所有能量层级混合振荡的“实时”信号。问题在于，当信号如此复杂时，使用一种被称为傅里叶变换的数学工具来提取单个音符，就像是通过一张模糊的照片来识别体育场里的某位歌手。你需要观察这场表演极长的时间才能获得清晰的图像，但目前的量子计算机由于噪声太大且寿命太短，无法维持那么长的音符时长。这篇论文提出了一个简单而强大的问题：是否存在一种更聪明的方法，可以在不等待永恒的时间的情况下，在实时状态下分离出不同的乐器？

作者 Valery Simonyan、Paulo F. Bedaque 和 Gregory Ridgway 说答案是肯定的。他们提出了一个巧妙的技巧，借鉴了经典物理学中的一种旧技术，并将其改编用于嘈杂的量子计算机实时世界。他们并没有等待信号稳定或试图消除噪声，而是将这个混乱的信号视为一个谜题。他们选取了一组不同的“监听点”（数学算符），并测量它们随时间变化的相互作用方式，从而创建一个关系矩阵。然后，他们求解一个“广义特征值问题”——这是一种寻找这些监听点特定组合的高级方法，旨在隔离出每个能量层级，就像是在静电干扰中调频收音机以找到单一电台一样。

团队在一个名为“模糊 $\sigma$ -模型”的模型上测试了这个想法，这是用于理解宇宙的复杂场论的一种简化版本。他们在经典计算机上进行了模拟，并在真实的量子计算机 IonQ Forte-Enterprise 上进行了尝试。结果令人振前瞻：该方法即使在必须聆听的时间过短、以至于传统的傅里叶变换方法无法奏效的情况下，也能成功且高精度地提取出几个低能级。事实上，作者发现该方法比标准方法效率高得多。虽然传统方法需要 $T=100$ （在格点单位中）的时间跨度才能开始清晰地解析峰值，但他们的新方法在仅需 $T=5.6$ 的短时间内就能解析出相同的能级。

然而，作者也谨慎地指出，他们并未声称已经解决了整个量子光谱学的问题。他们的成功在很大程度上依赖于拥有一个良好的“近似基态”以及一组能够覆盖他们感兴趣的状态空间的算符。在他们的模拟中，他们实现了百分之零点几的精度，但当他们转向实际的量子硬件时，结果略有偏差。他们测得的最低能量层级与精确值相比偏差了约 5.3%，这一差异归因于“Trotter 误差”（将时间分解为步长时产生的微小错误）和量子设备自身的自然噪声。作者指出，虽然该方法在理论和模拟中表现出色，但当前的硬件限制意味着结果仍是一种近似，而非完美的测量。

最终，这篇论文表明，通过将广义特征值问题应用于实时数据，我们可以比以前更快地提取能量谱。它不需要信号衰减，也不要求目前量子计算机难以提供的、近乎不可能的长相干时间。虽然该方法并不是修复所有硬件错误的魔杖，但它为聆听量子宇宙提供了一条更高效的新路径，特别是在研究具有“符号问题”（使得标准模拟无法实现的现象）的理论时。作者总结道，只要我们能找到对基态和用于探测它的算符的良好近似，这种方法将是未来光谱学的天然候选方案。

技术摘要：通过广义特征值方法在量子计算机中获取哈密顿谱

问题陈述
确定哈密顿量的能量谱是量子物理学的一个基本目标，特别是对于摄动方法失效的强耦合场论。虽然经典晶格场论利用欧几里得关联函数的蒙特卡洛评估来提取能谱，但这种方法面临着一种“双刃剑”困境：虽然基态在长虚时下占据主导地位，但激发态会随之指数级衰减，导致提取这些状态变得困难，因为信噪比会随之下降。

量子计算机提供了一个独特的优势，能够自然地生成实时间关联函数，其中所有状态都以无阻尼的振荡权重贡献。然而，从这些振荡信号中提取能量特征值通常依赖于傅里叶变换。傅里叶变换的分辨率受限于总演化时间的倒数（ $1/T$ ）。受限于有限的相干时间和不断累积的门操作/特罗特（Trotter）误差，当前的量子硬件无法维持足够长的演化时间，以分辨近简并能级或通过傅里叶分析区分真实的峰值与振铃伪影。

方法论
作者提出将广义特征值问题（GEVP）——一种标准的欧几里得晶格场论技术——应用于量子计算机生成的实时间关联函数。其核心方法论包括：

算符基与关联函数矩阵：该方法并非分析单个关联函数，而是构建一个关联函数矩阵 $C_{ij}(t) = \langle \Omega | O_i(t) O_j^\dagger(0) | \Omega \rangle$ ，其中 $O_i$ 是一组不完美的插值算符，而 $|\Omega\rangle$ 是一个近似基态。
理论框架：作者证明了矩阵乘积 $C^{-1}(0)C(t)$ 的特征值 $\lambda_k(t)$ 表现为 $e^{-iE_k t}$ ，其中 $E_k$ 是能量特征值。有效能量通过 $E_k^{\text{eff}}(t) = \frac{i}{t} \log(\lambda_k(t))$ 进行提取。理论分析表明，只要算符基能够充分覆盖相关的本征态子空间，对精确能量的修正项将以 $1/t$ （或由于破坏性干涉而更快）的速度衰减。
量子实现：文中详细介绍了一种在量子计算机上使用单个辅助比特测量泡利算符非对角关联函数的特定算法。该流程包括：
- 制备近似基态 $|\Omega\rangle$ 和一个辅助比特。
- 通过涉及算符 $O_j$ 的受控操作将系统与辅助比特纠缠。
- 进行时间演化。
- 测量特定的观测值（ $X \otimes O_i$ 和 $Y \otimes O_i$ ）以重建关联函数的实部和虚部。
比较基准：该方法通过利用关联函数矩阵迹的离散傅里叶变换（DFT）进行基准测试，并利用阻尼因子来减轻吉布斯现象（Gibbs phenomena）。

关键贡献与结果
本文通过模糊 $\sigma$ -模型（等效于海森堡梳，Heisenberg comb）验证了该方法，该模型具有与物理相关的场论（如渐近自由理论）相似的特征。研究采用了三种不同的测试机制：

精确模拟 ( $L=8$ )：使用精确时间演化（无噪声或特罗特误差），该方法成功分辨了 8、36 和 276 个能级，使用了三组复杂度递增的算符集。在最大演化时间 $T_{\text{max}} = 5.6$ 内，低阶态实现了亚百分比精度的结果。该方法正确重现了由模型 $O(3)$ 对称性所决定的简并模式。
基于门的模拟 ( $L=4$ )：作者分析了特罗特误差的影响。通过从各种时间步长（ $\Delta t$ ）向 $\Delta t \to 0$ 进行外推，他们证实了该方法是鲁棒的，其偏差随步长呈二次方比例缩放。
量子硬件（IonQ Forte-Enterprise 上的 $L=4$ ）：该方法在实际量子硬件上执行。通过使用单个辅助比特和极简算符集，作者分辨了四个低阶能级。提取的能量与精确对角化结果在百分之几的误差范围内一致。残余差异归因于特罗特误差（由于粗糙的 $\Delta t = 0.4$ ）以及硬件噪声/退相干，而非 GEVP 方法本身的失效。

意义与主张
论文声称，对于从实时间量子模拟中提取能谱，GEVP 方法比傅里叶变换方法“显著更高效”。具体而言，它允许在傅里叶变换无法区分峰值与伪影的时间尺度内，分辨出低阶能量能级。

作者强调，该方法并不要求完美的算符或精确的基态；它仅依赖于能够近似覆盖目标态的算符基以及具有良好重叠度的近似基态。虽然此处使用了强耦合极限来构建必要的态，但作者指出该方法具有通用性，适用于任何变分或绝热制备过程中的态。

其主要意义在于，该技术有望为那些由于“符号问题”阻碍了欧几里得方法的理论（特别是有限密度规范理论和实时间输运现象）提供光谱分析手段。这项工作作为一个原理验证，证明了实时间量子模拟可以在无需像频域分析那样需要极长演化时间的情况下，获得精确的谱数据。

技术摘要：通过广义特征值方法在量子计算机中获取哈密顿谱

类似论文