⚛️ quantum physics

The cost of simulating classically tractable quantum circuits and dynamics

本文表明，尽管存在针对某些量子电路的多项式时间经典模拟算法，但这并不保证实际效率，因为涉及硬件成本、采样开销和预处理的特定情形可能使得直接在量子硬件上执行比经典模拟更快。

原作者： Su Yeon Chang, Supanut Thanasilp, Zoë Holmes, M. Cerezo

发布于 2026-09-11

📖 1 分钟阅读🧠 深度阅读

原作者： Su Yeon Chang, Supanut Thanasilp, Zoë Holmes, M. Cerezo

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，科学家们面临着一个根本性的问题：当一个问题可以由量子机器解决时，究竟是让机器亲自完成工作更好，还是尝试在普通计算机上求解更为明智？量子计算机因其能够以传统计算机似乎无法实现的方式处理信息而闻名，但它们也极其脆弱、昂贵且难以操作。几十年来，研究人员已经知道某些特定类型的量子电路——即特定的量子门排列方式——可以在不需要量子设备的情况下，通过普通计算机进行模拟。这些被称为“经典可处理”的电路。长期以来，人们一直假设如果一台计算机能够模拟这些电路，那么就应该这样做。其逻辑很简单：既然一台标准笔记本电脑就能胜任，为什么还要为一台稀有、难以获取且昂贵的量子计算机买单呢？

然而，这一假设依赖于一个被称为“多项式时间”的数学概念，它描述了解决问题所需的时间如何随着问题规模的扩大而增长。虽然这在理论上告诉我们解的存在性，但它并未说明在实际操作中究竟需要多长时间。一个在数学教科书中被视为“高效”的计算过程，如果初始数值足够大，在真实机器上运行可能仍需数年时间。此外，在经典计算机上模拟量子系统通常需要大量关于系统初始状态的数据，而这些数据本身必须从量子世界中采集。这项新研究提出了一个更具实际意义的问题：如果我们知道一个量子过程可以在经典层面上进行模拟，那么这样做是否真的比直接在量子硬件上运行该过程更快、更便宜或更高效？

来自包括洛斯阿拉莫斯国家实验室和欧洲核子研究中心在内的多个机构的研究人员，通过对比两条截然不同的路径来试图回答这个问题。第一条路径是直接法：他们获取一个量子电路，准备必要的量子态，在实际量子硬件上运行演化过程，并测量结果。这就是“量子模拟”。第二条路径是“经典模拟”，即使用一种巧妙的数学捷径，用经典计算机上的计算来替代量子演化。至关重要的是，他们意识到这种捷径通常需要一个初始步骤，即必须先利用量子硬件来采集有关量子态的信息。他们分析了几种已知可进行经典模拟的特定电路族，包括用于量子化学和机器学习的电路，并追踪了三种特定的成本：量子硬件被访问的次数、量子电路的运行时间，以及经典计算机进行数值计算所需的时间。

他们的研究结果表明，答案并非简单的“是”或“否”。在许多情况下，经典模拟确实是更好的选择，但前提是必须多次运行相同的电路。如果研究人员只需要测试一两次量子电路，那么为了获取用于经典捷径的初始数据而投入的时间和金钱，往往会超过直接在量子计算机上运行该电路的成本。经典方法就像一种重资产投资：你支付高昂的前期成本来建立一个模型，但随后可以非常廉价地运行成千上万次变体。而量子方法没有前期成本，但每次运行都要支付一笔小额费用。研究人员发现，对于某些类型的电路，经典方法变得更具成本效益的“盈亏平衡点”仅在运行数百次或数千次之后才会出现。对于其他类型的电路，经典方法的计算量过于庞大，以至于即使在进行大量运行的情况下，量子计算机仍然比经典模拟更快、更便宜。

最令人惊讶的发现之一是，经典模拟的成本不仅取决于计算机的速度，还取决于访问量子硬件的价格。在当前的云端量子计算时代，用户通常按“采样次数”（shot）或“测量次数”付费。研究人员计算出，对于某些电路，进行经典模拟所需的初始数据采集成本可能比直接在量子计算机上运行整个实验还要高，仅仅是因为目前的量子硬件访问成本如此之高。这创造了一种场景：一种在理论上是“高效”的方法，在现实世界中却是极其昂贵的。研究还强调，问题的复杂程度至关重要。对于涉及简单相互作用的电路，经典捷径效果良好；但随着相互作用变得更加复杂，经典计算机的工作量会呈爆炸式增长，使得尽管量子硬件以难以使用著称，它仍然是更实际的选择。

论文得出结论：仅仅知道一个量子过程是“经典可模拟的”并不足以决定如何运行它。决策完全取决于问题的具体细节：电路需要运行多少次、相互作用的复杂程度，以及当前访问量子硬件的成本。研究人员强调，量子计算机与经典计算机之间的界限并不是一条固定的线，而是一个随资源和规模变化的移动景观。他们指出，目前存在经典算法并不自动意味着我们应该停止使用量子硬件。相反，科学家必须权衡采集数据的前期成本与量子访问的经常性成本。最终，最高效的路径并非仅由数学证明决定，而是通过对时间、金钱以及特定任务需求的仔细核算得出的。

技术摘要：经典可模拟量子电路与动力学的成本

问题陈述
本研究探讨的核心问题是，对于在理论上具有经典可模拟性的量子演化过程，其实际计算效率如何。虽然已有研究证实，某些具有结构的量子过程（例如 Clifford 电路、自由费米子动力学、低纠缠系统）允许使用多项式时间复杂度的经典算法，但多项式时间复杂度仅是一个渐近性描述。它本身并不能决定经典模拟是否在实际操作中优于直接在量子硬件上执行。

作者指出一个关键差距：不同的多项式阶数会导致截然不同的计算成本，特别是在需要昂贵的预处理或量子数据获取时。本文提出了这样一个问题：如果一个量子演化过程在经典上是可模拟的，那么在经典上模拟它是否真的比在量子硬件上运行更具资源效率？ 这一问题的提出是基于这样一个事实：经典可模拟性通常是一种渐近性保证，在有限系统规模下，这种保证可能并不成立，尤其是当考虑到获取未知输入态的信息成本时。

方法论
作者对比了两种估算期望值 $f_U(\rho, O) = \text{Tr}[U\rho U^\dagger O]$ 的计算路径，其中包含 $T$ 个电路实例：

量子模拟 (QS)： 在量子硬件上直接执行。量子设备准备状态、进行演化并进行测量。经典计算机处理结果并更新参数。
经典模拟 (CS)： 一种“受量子启发”的方法，其中量子演化被一种多项式时间计算（即代理模型）所取代。至关重要的一点是，如果初始态 $\rho$ 是未知的，CS 可能需要一个初始的量子数据获取阶段（例如通过经典影子/classical shadows 或量子态层析成像/tomography）来表征 $\rho$ 。随后，这些数据将被用于后续的电路实例。

比较使用了三种资源指标：

量子样本复杂度： 估计 $\rho$ 所需的副本数量（电路采样次数）。
量子时间复杂度： 单次采样的电路深度。
经典时间复杂度： 基础经典操作的数量。

该分析涵盖了七类经典可模拟的电路：

Clifford 电路
浅层局部电路（硬件高效拟设/Hardware Efficient Ansatz）
Matchgate（自由费米子）电路
$S_n$ -等变电路
$U(1)$ -等变电路
量子卷积神经网络 (QCNNs)
ADAPT-VQE 电路

对于每一类电路，作者推导了其资源复杂度，并区分了一次性成本（例如构建代理模型、获取状态数据）和单次实例成本（例如为新参数评估代理模型）。他们利用了诸如 Gottesman-Knill 模拟、g-sim（李代数模拟）、Pauli 传播和 Majorana 传播等框架。

核心结果
论文将理论复杂度界限转化为使用代表性硬件规格（IonQ, IBM, Google, Rigetti, Quantinuum）和云端定价模型的估计墙钟时间（wall-clock time）和货币成本。

多项式可模拟性 $\neq$ 实际优势： 存在多项式时间算法并不保证 CS 在有限系统规模下比 QS 更快或更便宜。相对优势取决于电路实例的数量 ( $T$ ) 以及主导成本的具体多项式阶数。
一次性成本与单次实例成本之间的权衡：
- QS 对每一个实例都会产生采样和电路执行成本。
- CS 通常会产生巨大的一次性成本（用于量子数据获取和预处理），但随后的单次实例评估成本较低。
- 存在一个“交叉点”，只有当 $T$ 足以摊销初始开销时，CS 才会变得更有效率。
输入态知识的影响：
- 如果输入态在经典上已知（例如 ADAPT-VQE 中的 Hartree-Fock 态），CS 可以显著更快且更便宜，因为它完全避免了量子数据获取的过程。
- 如果输入态未知，表征该状态的成本（通过影子方法）可能会使 CS 变得极其昂贵，即使随后的模拟是多项式级的。
费米子局部性与系统规模： 对于 Matchgate 电路，观测量的费米子局部性 ( $\kappa$ ) 会极大地影响 CS 成本。较高的 $\kappa$ （例如 $\kappa=6$ ）会增加经典张量收缩成本（ $O(Tn^7)$ ）以及影子采样复杂度，这往往使得在适中系统规模下，QS 比 CS 更快，尽管 CS 具有多项式渐近缩放特性。
墙钟时间 vs. 货币成本： 速度较快的方法不一定是成本最低的方法。
- CS 可能会减少重复量子执行的时间，但需要庞大的单次量子数据获取预算。
- 对于较小的 $T$ ，QS 通常更便宜；对于较大的 $T$ ，CS 可能变得更便宜，但交叉点因硬件平台和电路族而异。
内存限制： 论文强调，内存需求（空间复杂度）可能是一个比时间更严重的瓶颈。例如，为大型系统存储经典影子数据或中间张量可能需要数 TB 的内存，这构成了运行时估计无法捕捉到的硬性物理约束。

意义与主张
论文得出结论：仅凭具有多项式资源的经典可模拟性保证，不足以确定首选的实现方式。

不同的效率概念： 经典可模拟性、墙钟时间优势和货币优势是截然不同的概念。一种方法可能是多项式可模拟的，但由于巨大的常数因子、高阶多项式或昂贵的一次性开销，在实际应用中可能难以处理。
上下文依赖性： 选择 QS 还是 CS 取决于具体的题目参数：电路实例的数量 ( $T$ )、输入态的已知程度、观测量的局部性以及特定的硬件访问成本。
实践指导： 本研究提供了一个框架，用于评估何时应该对一个经典可模拟的量子计算进行经典化处理。它表明，对于输入态未知或具有高费米子局部性的问题，尽管存在经典算法，直接进行量子执行可能仍然是更具资源效率的选择。

作者强调，他们的分析是一个针对有限资源的比较，而非最终的硬件基准测试，并指出误差缓解、容错技术和并行化等因素可能会改变这些定量的交叉点。然而，其基本机制——即一次性开销与重复采样成本之间的博弈决定了实际效率——是保持稳健的。

类似论文