为了探索原子和分子这一不可见的微观世界，科学家们长期以来一直依赖一种被称为核磁共振（NMR）的技术。通过将样本置于磁场中，并监听其原子核发出的无线电信号，研究人员可以绘制出复杂化学结构的图谱，从我们体内的蛋白质到手机中的材料。几十年来，这一过程一直由经典计算机完成，它们通过进行大量的数值计算来模拟这些原子的行为。然而，随着分子变得越来越大且越来越复杂，计算量变得如此庞大，以至于即使是最强大的超级计算机也难以应对。这正是量子计算机登场的地方。与以线性方式处理信息的经典机器不同，量子计算机利用奇特的物理定律同时探索多种可能性，为模拟自然界提供了一条潜在的捷径。然而，这些机器目前仍处于脆弱的早期开发阶段。它们具有“噪声”特性，这意味着它们的计算很容易被微小的误差所破坏，并且在信息消散之前能执行的步骤数量也受到限制。当今科学家面临的核心挑战不仅在于制造这些机器，还在于如何研究如何在噪声破坏答案之前，在这些机器上运行复杂的模拟。
一组研究人员现在发现了一种巧妙的方法，可以重塑这些模拟，以适应当今量子硬件的局限性。他们专注于一种用于模拟自旋（即原子核微小的磁性）之间相互作用的特定计算。传统上，模拟这些相互作用需要一个非常“深”且“窄”的电路——即一系列按顺序先后执行的长步骤。在容易因运行时间过长而产生错误的现有量子设备上，这种深度是一个致命缺陷。研究人员提出了另一种方法：与其增加电路的深度，不如增加它的宽度。通过使用一种称为“扇出并行化”（fan-out parallelization）的技术，他们将单个逻辑自旋的信息分散到一个由少量物理量子比特（或称量子位）组成的组中。这使得他们能够同时进行多次相互作用，而不是依次进行。其结果是，该电路在时间上显著缩短，但需要更多的量子比特来运行。这是一种权衡，是用相对丰富的可用量子比特来交换稀缺的时间。
研究人员在一种名为四甲基硅烷（tetramethylsilane）的分子上测试了这种方法，该分子由一个中心硅原子和周围十二个氢原子组成。这种特定的排列方式在相互作用图中创造了一个“星形”结构，其中一个中心点连接着许多其他点，这种几何结构在模拟时特别困难。他们将这种新的、更宽的电路与传统的、较深的电路进行了对比。在基于真实量子处理器实际性能的模拟中，新方法证明了其价值。虽然传统电路的深度是两倍，但新电路明显更浅。更重要的是，新方法包含了一个内置的安全机制。由于信息分布在多个量子比特上，系统可以检测到何时发生了错误。如果计算过程中出现了失误，额外的量子比特会揭示这一点，从而允许研究人员丢弃那次特定的运行，只保留干净的数据。这个过程被称为“后选择”（post-selection），它就像一个过滤器，过滤掉了通常会破坏这些精密实验的噪声。
研究结果表明，这种方法可以成为通往实用量子计算的切实桥梁。在他们的模拟中，只有当硬件的错误率提高约十到十五倍时，新方法才优于旧方法。在目前这类机器所处的噪声水平下，两种方法都无法恢复清晰的信号。然而，随着硬件的持续改进，预计这种更浅、更宽的电路将比其对应的深层电路更早地交付准确的结果。该研究还强调，这种优势并非普适的；它最适用于具有不均匀结构的分子，例如上述的星形结构（即一个原子与许多其他原子发生相互作用）。对于那些每个原子都以统一方式与其他所有原子发生相互作用的分子，这种优势就会消失，传统方法依然同样有效。
这项工作并不声称已经解决了量子模拟的问题，而是提供了一种应对噪声时代量子计算的具体策略。通过重新思考信息在芯片上的布局方式，研究人员展示了减少计算所需时间从而降低出错概率的可能性。内置的错误检测在不需要额外复杂算法步骤的情况下，增加了一层可靠性。这项研究是一项概念验证，证明了通过正确的编译策略，当前的及近未来的量子设备可以开始处理目前经典计算机无法触及的问题。未来的路径包括针对不同类型的分子优化这些技术，并等待硬件跟上步伐，但方向是明确的：使电路变得更宽、更浅，是解锁量子模拟潜力的可行路径。
技术摘要：通过扇出并行化实现海森堡哈密顿量模拟的对数深度压缩
问题陈述
噪声中等规模量子（NISQ）计算机目前受到电路深度的限制，然而许多哈密顿量模拟方法，特别是自旋系统（如核磁共振或 NMR）的乘积公式模拟，会生成“窄而深”的电路。这些深层电路超过了当前硬件的相干时间，导致显著误差。虽然当前的架构（超导和离子阱）更倾向于“宽而浅”的电路，但标准的模拟方法并不自然地符合这些约束。前人的工作通过执行带有误差抑制的深层顺序电路来解决这一问题；本文提出了一个互补的方法：通过重构电路本身，实现电路深度与宽度的权衡。
方法论
作者引入了一种专为海森堡型 NMR 哈密顿量设计的“扇出小部件编译器”（fan-out gadget compiler）。其核心机制是将每个逻辑自旋编码进一个小型重复码寄存器，该寄存器的大小由该自旋在相互作用图中的相互作用度（dk）决定。
- 扇出并行化（Fan-out Parallelization）： 该编译器不再顺序执行成对相互作用，而是使用二叉 CNOT 树将逻辑自旋（“根”）的状态复制到 nk 个物理量子比特（辅助量子比特）上。这使得给定 Pauli 类型（XX、YY 或 ZZ）涉及该自旋的所有成对相互作用能够并行执行。
- 对数深度缩放（Logarithmic Depth Scaling）： 扇出树的深度随并行化相互作用的数量呈对数级缩放。因此，一个相互作用块的深度缩放为 O(logΔ)，其中 Δ 是相互作用图的最大度，而非顺序电路中的线性 O(Δ) 或 O(∣E∣) 缩放。
- 调度并行化（Scheduled Parallelization）： 作者引入了一个可调参数 R（轮数），用于在完全顺序电路（R=Δ）和完全并行扇出（R=1）之间进行插值。这使得可以优化宽度-深度权衡（体积），寻找一个“甜点区”，使扇出树的开销与并行化带来的收益达到平衡。
- 内置误差检测（Built-in Error Detection）： 重复码寄存器固有的冗余具有双重用途。在并行相互作用层之后，寄存器会被“逆运算”（fan-in）。辅助量子比特被测量以进行奇偶校验。由于相互作用项保持了重复码的码空间，任何在相互作用或扇出/扇入阶段发生的单量子比特比特翻转误差（权重-1）都会产生可检测的综合征。这使得能够在不增加额外算法开销或额外门层的情况下，通过后选择（post-selection）实现无误差样本的提取。
核心贡献
- 小部件编译器（Gadget Compiler）： 一种新颖的编译策略，通过利用由相互作用度确定大小的扇出寄存器，将窄而深的乘积公式电路转换为宽而浅的电路。
- 资源分析： 通过对一组 NMR 自旋系统以及两种硬件架构（IBM 的 heavy-hex 超导耦合映射和 Quantinuum/IonQ 的全连接离子阱）进行严格比较，验证了序列基准与小部件编译的效果。
- 理论界限： 通过形式化证明（命题 1 和 2）表明，对于度不均匀的图（如星形图），小部件将二维体积（宽度 × 深度）相对于顺序执行降低了 O(logD/D) 倍，其中 D 是中心节点度。对于稠密且均匀的图，这种增益会消失。
- 误差检测集成： 证明了用于并行化的冗余本质上提供了距离-2 的误差检测，允许通过后选择在不要求完全容错的情况下恢复信号质量。
结果
作者使用一个 13 自旋星形系统（四甲基硅，TMS）以及其他合成和真实世界的自旋系统验证了其方法。
- 深度缩减： 在 heavy-hex 超导拓扑结构上，最优调度（R=3）将二维深度降低了约 2 倍（从 ~4903 降至 ~2452），并由于减少了路由开销使二维门计数减少了约 23%。在全连接架构上，深度也减半，但由于扇出 CNOT 的存在，门计数有所增加。
- 体积优化： 在 13 自旋演示中，体积（量子比特 × 深度）减少了 1.7 倍（具体而言，在 heavy-hex 上为 0.59，在全连接上为 0.62），并在高度数系统中在全连接架构上实现了高达 2.5 倍的缩减。
- 噪声性能： 在根据当前 IBM 硬件校准缩放的噪声模型下：
- 在当前误差率（p2q≈1.5×10−3）下，两种编译方式都无法恢复谱图。
- 当误差率改善到 10−4 时，经过后选择的小部件电路开始在谱形状相关性方面优于顺序编译（r=0.70 对比 $0.63$）。
- 在 p2q=5×10−5 时，后选择的小部件电路实现了 r=0.94 的相关性，并保留了 54% 的精确振幅，显著优于顺序基准（r=0.89，振幅 39%）。
- 后选择的接受率保持在可行范围内（例如在 5×10−5 时为 63%），抵消了采样成本。
意义与主张
本文声称，该方法提供了一条在 NISQ 设备上执行更深层量子模拟的实用路径，即利用可用的量子比特宽度来减少深度。其意义在于：
- 硬件适应性： 它将乘积公式模拟的“窄而深”特性转化为当前及近期硬件所青睐的“宽而浅”模式。
- 误差缓解： 它将误差检测直接集成到模拟结构中，允许通过后选择在比当前硬件好 1 到 1.5 个数量级的误差率下恢复光谱质量，而无需实现完全的容错。
- 可扩展性： 该方法对于具有高阶中心节点的系统（常见于分子 NMR 和中心自旋物理学）特别有效，为模拟（如 34 自旋磷簇）这类正接近经典 Liouville 空间模拟极限的系统提供了途径。
作者明确指出，该演示并不声称在当前硬件上运行经典不可计算的问题，而是通过在推导出的噪声模型下比较编译策略，以确定实现计算 NMR 量子效用的误差阈值。该方法被呈现为一种编译器层面的优化，适用于任何量子比特参与多个相同 Pauli 类型项的乘积公式模拟。
每周获取最佳 quantum physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。