寻找量子系统的最低能量状态，就像是在一片广袤且雾气缭绕的山脉中寻找最深的谷底。对于物理学家而言，这种“基态”是理解材料行为、化学反应进程以及可能存在的物质新相位的关键。在传统计算机的经典世界中，随着系统规模的扩大，求解该状态会变得不再可能，因为可能性的数量呈指数级爆炸，迅速压垮即使是最强大的机器。量子计算机提供了一条不同的路径，它们天生就在这些广阔的可能性空间中运行。然而，利用它们来寻找基态并非易事。一种强大的方法涉及一种被称为“虚时演化”（imagious-time evolution）的过程，它像是一个过滤器，洗去所有激发态和高能态，只留下平静、稳定的基态。挑战在于，这种过滤器在量子计算机上构建起来在数学上非常困难，通常需要在精度与过程实际成功的可能性之间进行微妙的平衡。
一支研究团队现在开发出了一种构建这种过滤器的全新方法，显著提高了其精度和可靠性。他们的工作专注于一种被称为“基于辅助比特的虚时演化”（ancilla-based imaginary-time evolution）的技术。在这种设置中，量子计算机使用一个被称为“辅助比特”（ancilla）的辅助量子比特来引导主系统趋向其最低能量状态。该过程通过重复应用一个短促且受控的步骤来运作，该步骤将系统推向更接近基态的方向。如果辅助比特在每一步之后以特定方式被测量，系统就会更新；否则，该尝试将被丢弃，过程重新开始。这种“后选择”（post-selection）至关重要，但也带来了代价：随着步骤数量的增加，成功完成整个序列的可能性会急剧下降，这往往使得该方法对于大型系统而言变得不切实际。
研究人员从一种使用固定数学公式来近似这些步骤的标准方法入手。他们发现，虽然这些公式在极小且谨慎的步长下表现良好，但当为了加速而增大步长时，它们会变得不稳定且不准确。为了解决这个问题，他们用一种灵活、可调节的方法取代了固定公式。他们不再使用僵化的、预先计算好的配方，而是将数学步骤中的系数视为可以调节的变量。通过应用一种寻求系统演化最有效路径的原理，他们推导出了这些步骤的新型优化值。这种被称为“基于作用量的变分框架”（action-based variational framework）的新方法保持了与旧方法完全相同的物理电路结构，但改变了其内部参数，使其变得更加聪明。
他们的模拟结果显示出显著的改进。当他们在一种被称为“横场伊辛模型”（transverse-field Ising model）的磁矩模型上测试这种新方法时，它比标准方法更快、更平滑地收敛到正确的基态能量。在针对更大系统的测试中，传统方法开始失效，要么由于能量过冲，要么变得不稳定，而新的变分方法则保持了稳健。或许最重要的一点是，新方法提高了每一步成功的概率。因为整个过程的成功取决于所有这些单个步骤的乘积，所以即使单步成功率只有微小的提升，也会导致总成功概率的大幅提高。在他们的测试中，这带来了数量级的最终成功概率提升，这意味着量子计算机可以用少得多的尝试来实现同样的结果。
研究人员还提供了一种预测在不破坏模拟的情况下可以采取多大步长的方法。通过在运行量子计算机之前计算系统能量景观的简单属性，他们可以确定一个平衡速度与精度的安全时间步长。这为实验人员设置机器提供了实用的指南。这项工作表明，通过优化演化的数学描述而非仅仅优化硬件，可以使量子基态制备变得更加高效和可靠。这种方法不需要更多的量子比特或更深的电路，为近期的量子设备解决此前无法触及的复杂问题提供了一条切实可行的路径。研究结果表明，通过正确的数学调优，可以更有效地管理量子计算的概率性质，让我们离利用这些机器进行现实世界的科学发现更近一步。
技术摘要：基于辅助比特的虚时演化变分优化用于量子基态制备
问题陈述
确定多体系统的基态（∣GS⟩）对于预测平衡性质至关重要。虽然诸如精确对角化（ED）之类的经典方法受限于指数级的希尔伯特空间缩放，且其他经典方法（如量子蒙特卡洛、张量网络）面临符号问题或拟设表达能力不足的问题，但量子计算机提供了绕过这些瓶颈的天然途径。量子基态制备的一个主要挑战是实现虚时演化（ITE），其定义为非幺正算符 e−τH。由于该算符无法直接实现为确定性的幺正门，现有的概率实现方法通常依赖于固定系数的近似，例如结合 Trotter-Suzuki (TS) 分解的截断泰勒展开。这些标准方法面临一个关键的权衡：降低近似误差需要更小的步长或更高的展开阶数，这会增加电路深度，并至关重要的是，降低后选择（post-selection）的成功概率。这种权衡限制了 ITE 在近期的量子设备上的实际效率。
方法论
作者提出了一种基于动作的变分方法（ABVA），用于优化辅助比特辅助的概率性 ITE。该框架保留了标准的电路架构——使用单个辅助比特通过后选择来实现线性算符组合（LCU）——但将固定的解析系数替换为通过算符级作用原理导出的变分优化参数。
- 变分框架： 该方法基于作用量原理 S=∫dτTr[U†(U˙+HU)]。通过对变分拟设的参数求极值，作者推导出了系数的运动方程。
- 变分多项式拟设 (ABVPA)： 对于虚时更新，标准的阶一泰勒展开（1−τH）被广义线性多项式 c0(τ)+c1(τ)H 所取代。系数 c0 和 c1 由量子几何张量和广义力决定，取决于哈密顿量的静态矩（μn=Tr[Hn]）。
- 变分 Trotter-Suzuki 拟设 (ABVTSA)： 同样地，LCU 电路中的实时间传播子块（通常通过二阶 TS 分解 e−iAδt/2e−iBδte−iAδt/2 实现）被变分形式 eid0(t)Aeid1(t)Beid2(t)A 所取代。参数 di(t) 被优化以最小化相对于精确传播子的误差。
- 实现： 优化的系数修改了辅助比特准备角度以及受控幺正块内的旋转参数。至关重要的是，这种优化不会改变电路深度或门的数量；它仅改变参数的值。
- 误差界限： 作者为线性滤波（ABVPA）和实时间分解（ABVTSA）推导了严格的、与状态无关的误差界限。这些界限仅取决于哈密顿量的静态性质（迹的矩），为选择最优时间步长 δτ 以平衡精度和成功概率提供了经典预计算指南。
核心贡献
- 基于动作的变分优化： 引入了一个变分框架，用于优化 ITE 滤波器和实时间传播器的系数，且不增加电路复杂度。
- 增强的稳定性与精度： 证明了变分参数允许在保持稳定性的同时使用更大的时间步长，而在这一区间内标准泰勒展开会失效。
- 提高成功概率： 通过优化滤波器，该方法提高了每步及累积的后选择成功概率，从而减少了达到目标统计精度所需的电路采样次数。
- 资源效率： 该方法保持了每步单个辅助比特的要求，避免了多辅助比特方案的开销，同时提供了优于固定系数方法的性能。
结果
该方法在 N=5 和 N=8 量子比特的一维横场伊辛模型（QIM）上进行了基准测试。
- 收敛性： 在模拟中，ABVA 实现比标准的 TS-Taylor ITE 更快、更平滑地收敛到基态能量。虽然标准方法在较大时间步长（例如 τ=1.8）下表现出偏差和过冲，但 ABVA 保持了稳定性和有效性。
- 保真度： ABVA 实现了更高的精确基态保真度，特别是在后期演化阶段。与标准方法相比，ABVA 的保真度分布更窄且更接近于 1，表明其对近似误差的敏感度较低。
- 成功概率： ABVA 的每步成功概率始终较高。因此，全过程演化中的累积成功概率得到了显著提升（在某些情形下，最终成功概率提升了近一个数量级），从而减少了测量开销。
- 误差分析： 数值评估证实，所选时间步长（δτ=0.4）处于变分近似的有效范围内，全局误差显著低于标准 TS-Taylor 方法。
意义与主张
论文声称，ABVA 框架为近期量子设备上的高保真基态制备提供了一条切实可行的路径。通过将负担从静态解析近似转向参数优化，该方法缓解了近似精度与后选择成功概率之间的固有权衡。作者强调，这是在不增加电路深度或辅助比特开销的情况下实现的，是对现有基于门的概率性 ITE 方案的一种资源高效型改进。这项工作表明，变分多项式滤波可以弥合严谨的能量滤波方法与当前硬件约束之间的差距。作者对可扩展性保持审慎，指出虽然该方法改善了精度与概率之间的平衡，但具有微小能隙或复杂哈密顿量的系统可能仍需要对时间步长或更高阶近似进行仔细调优，而这会引入额外的资源权衡。
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。