Quasiparticle quantum simulation of materials with the Bethe-Salpeter equation

技术摘要：基于 Bethe-Salpeter 方程的准粒子量子材料模拟

问题陈述
对于具有现实规模（例如 $\sim 10^3$ 个原子，$\sim 10^4$ 个电子）的材料，对完整的电子哈密顿量进行第一性原理量子模拟，即使对于未来的容错量子计算机而言仍然是一个巨大的挑战。标准的全文哈密顿量模拟技术所需的资源计数（Toffoli 门和逻辑量子比特）比现有能力高出许多个数量级，无法达到相关的精度。相反，经典材料激发态模拟通常依赖于启发式准粒子框架，例如 $GW$ 近似和 Bethe-Salpeter 方程 (BSE)，这些方法仅模拟少数准粒子（电子和空穴），而非完整的多体系统。虽然这些经典方法在系统规模 $N$ 的计算成本呈多项式增长（具体为 $O(N^{2m})$，$m$ 为激子数）方面是高效的，但对于高阶多激子态（例如三激子）而言，由于多项式阶数过高，计算将变得难以处理。本文通过利用准粒子图景来实现对这些复杂激发态的量子模拟，从而在实现显著资源缩减的同时，弥补了与全哈密顿量模拟之间的差距。

方法论
作者开发了一个在 BSE 形式体系内进行多激子准粒子量子模拟的详细框架。该方法论包括：

1. 第一量子化、基于轨道的表述法： 作者在第一量子化、轨道基组下构建了多激子 BSE 哈密顿量。计算基组由 $m$ 个电子和 $m$ 个空穴（其中 $m$ 是激子数）的反称乘积态组成。这种表示法需要 $O(m \log N)$ 个量子比特，相比于经典稠密向量存储（$O(N^{2m})$）和标准第一/第二量子化量子模拟（$O(N \log N)$ 或 $O(N)$），实现了指数级的压缩。
2. 块编码与量子化（Block Encoding and Qubitization）： 为了实现量子相位估计 (QPE)，作者构建了 BSE 哈密顿量 ($H_{BSE}$) 的显式块编码。他们利用从线性算符组合 (LCU) 方法中导出的“行走算符” $W$。
   • 哈密顿量分解： $H_{BSE}$ 被分解为一个 Fock 项 ($H_0$) 和若干相互作用项：直接电子-电子项 ($H_{vv}^{dir}$)、直接空穴-空穴项 ($H_{oo}^{dir}$)、直接电子-空穴项 ($H_{ov}^{dir}$) 以及交换电子-空穴项 ($H_{ov}^{ex}$)。
   • 积分因子分解： 为了管理相互作用积分（库仑 $V$ 和屏蔽 $W$）高达 $O(N^4)$ 的数据量，作者采用了张量超收缩 (Tensor Hypercontraction, THC) 技术。这在一般情况下将数据减少到 $O(N^2)$，当结合平移对称性（布洛赫态）时，进一步减少至 $O(N)$。
   • 对称性适配： 作者引入了晶体空间群对称性，以减少必须加载的独立数据块数量，从而进一步降低资源成本。
   • 优化合成： 使用了一种新型块编码策略，特别是针对交换项，该策略避免了在对晶体动量进行简单 LCU 求和时会出现的不利的亚规范化缩放问题。合成过程利用了基于干涉仪的幺正合成和 QROAM（量子随机访问存储器）进行数据加载。
3. 资源优化： 作者探索了两种优化策略：
   • Toffoli 优化型： 通过以空间换时间的方式（使用 $O(\sqrt{N})$ 个辅助量子比特）来最小化门计数。
   • 量子比特优化型： 以增加门计数为代价，最小化逻辑量子比特数量（使用 $O(\log N)$ 个量子比特）。

核心贡献

• 显式编译： 本文提供了一个用于量子化的、基于第一量子化轨道形式的 BSE 多激子哈密顿量的详细描述及显式块编码，并详细说明了直接项和交换项的块编码电路。
• 渐近加速： 作者推导了渐近缩放优势。对于规模为 $N$ 且准粒子数量 $m$ 固定的一类系统：
  • Toffoli 计数： 该算法实现了 $\tilde{O}(N)$ 的缩放（或通过时空权衡达到 $\tilde{O}(\sqrt{N})$），而全哈密顿量模拟为 $\tilde{O}(N^3)$，全矩阵-向量方法为 $\tilde{O}(N^{2m+2})$。对于三激子（$m=3$）而言，这相对于全哈密顿量模拟实现了约 6 阶的多项式加速，相对于经典方法实现了约 12 阶的加速。
  • 量子比特计数： 该算法需要 $\tilde{O}(\log N)$ 个逻辑量子比特（量子比特优化型）或 $\tilde{O}(\sqrt{N})$ 个（Toffoli 优化型），与全哈密顿量模拟（$O(N)$ 或 $O(N \log N)$）相比，实现了量子比特数量的指数级缩减。
• 亚规范化分析： 作者证明了 BSE 哈密顿量的亚规范化因子 $\lambda$ 的缩放表现良好（理论上为 $\tilde{O}(1)$，数值上约为 $N^{0.2}$），这对于最小化 QPE 开销至关重要。

结果
作者在几种具有现实物理规模（$N \sim 10^3$ 个原子）的半导体模型（金刚石、MgO、BN、AlN、CdSe）上进行了三激子（$m=3$）特征值估计的资源评估。

• Toffoli 缩减： 对于一个具有 $10 \times 10 \times 10$ k 点网格（$N_k = 1000$）的金刚石系统，Toffoli 优化的 BSE 模拟需要大约 $5.5 \times 10^{11}$ 个 Toffoli 门。相比之下，标准的第二量子化和第一量子化全哈密顿量模拟分别需要 $3.7 \times 10^{17}$ 和 $4.2 \times 10^{18}$ 个门。这构成了 $10^6$ 到 $10^7$ 倍的缩减。
• 量子比特需求： 量子比特优化的 BSE 实现仅需数百个逻辑量子比特（例如金刚石为 266 个），而全哈密顿量模拟则需要 $\sim 10^5$ 个量子比特。
• 运行时间估计： 假设门时间为 25 $\mu$s，金刚石的优化 BSE 模拟预计耗时约为 14 天。这相对于全哈密顿量模拟所需的估计 $10^4$–$10^5$ 年大幅缩减。
• 经典对比： 通过稠密矩阵-向量乘法求解同一三激子问题的经典计算成本估计为 $3.3 \times 10^{27}$ FLOPs 和 $6.8 \times 10^{20}$ 字的内存，这使得该问题在当前硬件上是难以处理的。

意义
本文认为，使用准粒子图景（即 $GW$-BSE 理论中所使用的图景）对于设计未来的容错量子算法对于材料科学至关重要。通过将模拟限制在相关的低能准粒子子空间内，量子算法可以实现与模拟全电子哈密顿量相比巨大的资源缩减（在时间上实现高达 6 阶的多项式加速，在空间上实现指数级缩减）。这项工作表明，量子优势并不一定需要精确模拟完整的多体问题，而是可以通过利用已建立的经典近似，来针对特定的、经典方法难以处理的领域（如高阶多激子动力学）进行高效的量子资源调度。这支持了以下论点：在经典启发式方法有效的范围内设计量子算法，是该领域的一个关键方向。