Digital quantum state preparation by nucleation
本文介绍了一种受成核现象启发、用于数字量子态制备的方法，该方法通过 Trotter 化绝热演化和变分优化，从小型晶格基态构建大型晶格基态，并证明了其在二维伊辛模型上优于现有方法的性能。
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
量子计算机有望解决当今机器无法处理的问题，从设计新药到模拟复杂材料。然而，要释放这种潜力，这些机器必须首先被引导至一个非常特定的起始位置。正如徒步旅行者需要一个清晰的起点才能开始艰难的攀登一样，量子算法也需要一个准确的初始状态来保证其能够得出正确答案。如果起点哪怕只有一点点偏差，整个计算都可能失败，这在物理学中被称为“正交灾难”（orthogonality catastrophe）。多年来，科学家们一直致力于寻找高效的方法来准备这些初始状态，尤其是在他们想要研究的系统变得更大、更复杂时。挑战不仅在于拥有足够的计算能力，还在于找到一种能够在不浪费量子机器珍贵资源的情况下构建出正确状态的方法。
在一项新研究中，研究人员开发出一种受自然过程——即“成核”（nucleation）过程启发的技巧，成核是指微小的晶体种子如何生长成巨大的雪花，或水滴如何从蒸汽中形成的过程。该方法并非试图一次性构建一个复杂的量子态（这就像试图在一天之内盖起一座摩天大楼），而是从一个易于完美求解的小型简单系统开始。随后，研究人员利用数字量子计算机逐渐生长这个小系统，通过逐一添加新的部分，直到它变成他们想要研究的大型复杂模型。这种生长过程通过一种精心控制的演化实现，系统被温和地引导从其已知的小状态过渡到较大的未知状态。通过将这一过程分解为细小且易于管理的步骤，团队确保了量子计算机能够保持在轨道上，维持最终结果所需的准确度。
团队在一种被称为伊辛模型（Ising model）的特定磁性材料模型上测试了这种方法，这是研究粒子如何在网格中相互作用的标准方式。他们首先准备了一个微小的两粒子系统的精确基态（即最低能量构型）。从那里开始，他们通过向系统的边缘添加新粒子，逐步扩展系统。在每个阶段，计算机都会执行一系列操作，缓慢地将系统从较小的版本转变为较大的版本。研究人员发现，这种方法效果显著，产生了一个与大型系统真实基态几乎完全相同的状态。在模拟中，他们实现的准确度极高，其准备的状态与真实状态之间的重叠度几近完美，从最初仅为 0.022 的极差初始猜测达到了 0.997。这一成功表明，该方法可以比此前认为所需的资源更少地构建复杂状态，尽管理论极限曾暗示这需要更多的时长和精力。
为了让该过程对当前及近未来的量子计算机（这些计算机对噪声和误差非常敏感）更加高效，研究人员引入了一种名为“优化成核”（optimized nucleation）的改进版本。原始方法遵循严格的预设计划来生长系统，而优化版本则允许计算机调整自己的路径。它将生长过程视为一个谜题，计算机可以通过微调操作设置，来寻找通往最终状态的最节能路径。这种方法结合了原始方法的可靠结构与搜索过程的灵活性。研究人员发现，这种混合策略的表现优于一种领先的替代方法（该方法涉及将状态的数学描述直接转换为电路）。在针对二维粒子网格的测试中，优化成核法在产生更准确结果的同时，使用了更少的双比特门（即连接量子比特的基础操作）。
这项工作的意义在于它能够弥合理论要求与实际限制之间的差距。研究人员提供了严密的数学证明，表明只要系统演化得足够缓慢且被分解为足够多的微小步骤，他们的这种方法就保证能够奏效。然而，他们的模拟显示，在实践中，该方法的效果甚至优于这些严格规则所预测的表现，实现高精度所需的时长和步骤显著减少。这一发现为准备强大量子算法所需的初始状态提供了一条充满希望的路径。通过从一个小种子而非从零开始构建量子态，该方法降低了计算负担，并为在数字量子计算机上研究更大、更真实的物理系统打开了大门。随着这些机器的不断发展，像成核这样的技术可能成为将量子潜力转化为现实世界科学突破的关键工具。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。