⚛️ quantum physics

Qudit-ADAPT-VQE: an adaptive variational algorithm with counterdiabatic-inspired improvements for qudits

本文介绍了 Qudit-ADAPT-VQE，这是一种针对高维量子比特（qudits）的自适应变分算法，它利用受绝热驱动（counterdiabatic）启发的算符池和热启动策略来构建高效的拟设（ansätze），以求解 Max 3-Cut 问题，从而与固定拟设方法相比，实现了更高的精度、更低的门计数以及更强的对贫瘠高原（barren plateaus）问题的鲁棒性。

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

发布于 2026-08-18

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

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

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

在构建实用量子计算机的竞赛中，科学家们长期以来一直依赖于一种被称为“量子比特”（qubit）的基础构建模块。可以将量子比特想象成一个微小的开关，它可以处于“关”、“开”或两者皆有的奇妙叠加态，就像桌面上旋转的硬币一样。这种二进制特性反映了经典计算机中的零和一，使量子比特成为该领域的标准语言。然而，正如一枚硬币只能展示两个面一样，量子比特仅限于两种状态。相比之下，自然界提供了拥有更多可能性的系统。例如，一个旋转的陀螺可以指向许多不同的方向，而不仅仅是两个。在量子世界中，这些多状态系统被称为“量子多比特”（qudits）。使用量子多比特而非量子比特，可以使研究人员将更多信息压缩进更少的粒子中，从而可能使量子计算机更小、更高效，并且更擅长处理特定类型的复杂问题，例如将一组项目分为三个或更多类别，而不仅仅是两个。

这些先进系统面临的挑战在于它们极难控制。当科学家试图通过编程让量子计算机解决问题时，他们通常使用一种称为“变分算法”（variational algorithm）的方法。这个过程就像调收音机：计算机猜测一个解，检查它与答案有多接近，然后调整其设置以获得更好的结果。问题在于，随着系统规模的扩大，信号往往会淹没在噪声中。调整变得如此细微，以至于计算机无法判断该向哪个方向转动旋钮，这种现象被称为“贫瘠高原”（barren plateau）。此外，如果计算机从一个糟糕的猜测开始，它可能会陷入“局部陷阱”，误以为自己找到了最佳解，而实际上只是找到了一个平庸的解。这些障碍使得即使使用功能更强大的量子多比特，扩展量子计算规模也变得十分困难。

智利的一个研究小组提出了一种应对这些困难的新方法，专门针对基于量子多比特的机器。他们改进了一种现有的策略，称为 ADAPT-VQE，该策略是逐步构建计算机程序，而不是试图一次性设计整个程序。该算法不是直接猜测整个结构，而是每次添加一个部件，并始终选择那个能最大程度改善答案的部件。为了使这一过程更加有效，研究人员借鉴了物理学中的一个概念——“反绝热驱动”（counterdiabatic driving）。简单来说，这是一种用于在不产生误差的情况下加速过程的技术，类似于经验丰富的驾驶员会稍微提前转向弯道，以保持路径平滑。通过使用这种“转向”逻辑来决定程序中添加哪些部件，他们创建了一种名为 Qudit-ADAPT 的新算法。

该团队在被称为 Max 3-Cut 的经典谜题上测试了他们的方法。想象一个由道路连接城市的网络，目标是将这些城市分为三个不同的组，使得连接不同组之间的道路数量尽可能多。这是一个天然契合量子多比特三状态特性的问题。研究人员在计算机上模拟了他们的算法，以观察其表现如何优于标准的固定程序法。结果令人瞩目。他们的自适应方法找到了显著更精确的解，通常比固定法减少了十倍以上的误差。此外，它在实现这种高精度的同时，使用了更少的步骤和更复杂的电路，这对于在当今技术的噪声环境中保持量子计算机的稳定性至关重要。

除了找到更好的答案外，研究还揭示了该方法为何如此有效。研究人员检查了问题的“景观”（landscape），观察算法是如何在不同的可能解之间移动的。他们发现，标准的固定方法经常迷失在局部陷阱的迷宫中，计算机因为看不见更好的路径而停止改进。相比之下，具有逐步构建过程和智能起始点的 Qudit-ADAPT 算法能够穿透这些陷阱。它不仅没有被困住，还通过不断向程序中添加新部件来重塑景观，从而找到通往真实解的路径。这表明该方法对“贫瘠高原”问题具有鲁棒性（即具有抵抗力），因为在每一步中，它都能让计算机专注于最有希望的方向，从而避免了信号消失的情况。

团队还探索了“转向”逻辑的复杂度如何影响结果。他们测试了两个版本的算符池（operator pool）：一个具有较简单的规则集，另一个具有更详细的高阶规则集。对于许多测试案例，两个版本都表现良好，但更详细的版本始终能将精度推向更趋近于完美的水平，尤其是在处理最复杂且互连性最强的网络时。这表明，虽然基础方法已经很强大，但加入更复杂的引导可以让系统以更高的精度解决更难的问题。该研究并未声称解决了所有的量子计算挑战，也没有在物理量子机器上进行这些测试。相反，研究结果是基于严谨的数值模拟得出的，这些模拟模拟了算法在真实硬件上的行为。

最终，这项工作为量子多比特的未来提供了一条充满希望的路线图。通过将自适应的逐步构建过程与受物理启发的引导相结合，研究人员展示了一种避开阻碍领域进展之常见陷阱的方法。他们的研究表明，我们不需要等待完美的硬件才能开始解决复杂问题；相反，我们可以设计更聪明的软件，以绕过现有机器的局限性。随着该领域的发展，这种灵活的框架可能会成为一种标准工具，帮助科学家利用多状态量子系统的全部潜力，去解决目前仍难以触及的优化问题。

技术摘要：Qudit-ADAPT-VQE

问题陈述
基于量子德（qudit，d级量子系统）的变分量子算法（VQAs）相比于基于量子比特（qubit）的方法具有潜在优势，包括降低高维问题的电路复杂度，以及为维度大于二的变量（例如 Max $k$ -Cut）提供自然编码。然而，基于量子德的 VQAs 面临着与量子比特类似的重大挑战：设计高效且具表达能力的拟设（ansatz），以及“贫瘠高原”（barren plateau）问题——即代价函数的梯度随系统规模呈指数级消失，从而阻碍了可训练性。此外，增加局部希尔伯特空间维度（ $d > 2$ ）可能会放大贫瘠高原效应。固定拟设方法（如量子近似优化算法 QAOA 的量子德扩展版本）难以在表达能力与电路深度之间取得平衡，通常需要深层电路，这会加剧噪声和优化困难。

方法论
作者提出了一种专为量子德系统定制的自适应变分算法 Qudit-ADAPT。该方法的核心是迭代式拟设构建，它根据能量梯度而非使用固定的电路结构来选择算符。

算符形式化： 该算法利用角动量算符（ $L_x, L_y, L_z$ ）来对三值变量（ $\ell=1, d=3$ ）进行编码。用于 Max 3-Cut 问题的代价哈密顿量（ $H_C$ ）通过这些算符进行构建，这些算符具有适用于嵌套对易子展开的闭合对易关系。
反绝热启发式算符池： 算符池源自一个近似的反绝热（Counterdiabatic, CD）哈密顿量。受增强型绝热演化的启发，该方法利用嵌套对易子展开构建了一个绝热规范势（Adiabatic Gauge Potential, AGP）。
- AGP 被近似为 $A^{(l)}_\lambda = \sum a_j(t) D_j$ ，其中 $D_j$ 是角动量算符的字符串。
- 针对量子德系统的一个关键技术适配得到了解决：与量子比特系统中的泡利字符串不同，量子德中的角动量算符乘积可能不是厄米的。作者定义了一个厄米算符池 $V_j = (D_j + D_j^\dagger)/2$ 以确保物理有效性。
自适应构建 (CD-ADAPT)： 算法将初始态设定为混合器哈密顿量（ $H_M$ $H_{M}$ ）的基态。在每次迭代中：
- 评估所有池中算符的能量梯度。
- 选择具有最大梯度幅值的算符并将其附加到拟设中。
- 使用热启动策略（重用前一次迭代中优化的参数）对所有累积的参数进行变分量子本征值求解器（VQE）优化。
- 重复此过程，直到梯度范数低于收敛阈值。

核心贡献

首次实现 Qudit-ADAPT： 本研究展示了 ADAPT-VQE 策略在基于量子德的量子计算中的首次应用。
厄米算符池构建： 作者通过构建源自近似 AGP 的对称化算符池，解决了量子德算符字符串固有的非厄米性问题。
集成反绝热驱动： 该方法将反绝热驱动概念整合进自适应池的选择中，从理论上引导拟设向有助于抑制绝热跃迁的方向演化。
可扩展性分析： 论文研究了该算法在可训练性方面的表现，特别是在贫瘠高原和局部极小值背景下，专门分析了热启动策略在高维希尔伯特空间中的影响。

结果
该算法在包含六个顶点的各种图实例（不规则图和正则图）上，针对 Max 3-Cut 问题进行了数值测试。

精度对比 QAOA： Qudit-ADAPT 的表现始终优于量子德 QAOA（固定拟设）。对于不规则图实例，Qudit-ADAPT 实现的相对误差比 QAOA 低至少一个数量级。在许多情况下，它能以显著更少的变分参数和原生门，达到极高的近似比（ $r > 0.99$ ）。
算符池阶数： 通过比较一阶（ $l=1$ ）和二阶（ $l=2$ ）AGP 近似，二阶池提供了更优越的性能，特别是对于高度连通的图（如 $K_6$ ），其达到机器精度所需的参数比一阶池或 QAOA 更少。
鲁棒性与可训练性：
- 局部极小值： 研究通过对比热启动、冷启动和随机重启来分析优化景观。热启动策略一致地收敛到比随机初始化更低的能量状态，其差距往往达数个数量级。
- “钻探”（Burrowing）机制： 结果支持了“钻探”机制，即通过迭代添加算符，算法能够逃离那些会导致固定拟设优化停滞的局部陷阱。
- 贫瘠高原： 自适应构建从浅层电路开始，避开了初始的贫瘠高原区域。热启动策略确保优化始终处于梯度可解的区域，表明其对随着量子德维度增加而加剧的贫瘠高原效应具有鲁棒性。

意义与主张
论文声称 Qudit-ADAPT 为量子德架构上的变分量子算法提供了一个可扩展且鲁棒的框架。通过将受反绝热启发的算符池与自适应热启动构建相结合，该方法解决了固定拟设方法的两个核心挑战：高效拟设设计的困难，以及对不利优化景观（局部极小值和贫瘠高原）的敏感性。

作者断言，与 QAOA 等固定拟设方法相比，该方法能以更低的资源需求（更少的参数和原生门）实现更高的精度。他们得出结论，迭代式拟设增长与热启动初始化的结合，使得算法能够有效地在复杂的优化景观中导航，使其成为 NISQ 时代量子德处理器极具前景的候选方案。这项工作表明，为量子比特 ADAPT-VQE 开发的策略（如硬件感知惩罚项和对易算符分组）可以直接迁移到此量子德框架中。

类似论文