Post-Optimization Subspace Corrections to Quantum Ansätze

在量子计算机上模拟分子是一场与当前技术极限的竞赛。其核心在于一个根本性的挑战：描述电子如何在分子内运动并相互作用，需要一种细节程度极高的描述方式，而这种细节很快就会让即使是最强大的经典超级计算机也难以承受。量子计算机利用量子力学的奇特规则来处理信息，为解决这些问题提供了一种天然的方法。然而，目前的这些机器既脆弱又规模有限。为了获得有用的结果，科学家们使用一种称为“变分算法”的方法。可以将其想象为一个试错过程：计算机构建一个分子的数学模型，对其进行测试，然后不断微调该模型以使其更加精确。这个过程不断重复，为模型增加复杂性，直到分子的能量被计算出足够的精度。问题在于，每增加一层复杂度都需要更多的时间和大量的测量次数，而且随着分子的复杂程度增加，达到准确答案所需的步骤数可能会呈爆炸式增长。

一组研究人员发现了一种绕过这种精疲力竭的重复过程的方法。他们发现，与其强迫量子计算机不断构建越来越大的模型，不如在建立了一个足够好的模型后，利用一种特定的数学技巧来优化答案，而无需增加机器的工作量或复杂度。在一项涉及多达二十个量子比特的研究中，研究人员将这些技巧应用于各种分子的现有模型中。他们发现，该方法可以将达到高精度水平所需的步骤数减少多达六倍。更重要的是，当他们计算包括测量时间在内的总工作量时，节省的效果更为显著，降幅高达四十倍。这种方法不需要量子计算机变得更大或更复杂；它只是从已经收集到的数据中榨取更多的价值。

研究人员专注于两种特定的技术来实现这种效率。第一种涉及一种被称为“克雷洛夫子空间对角化”（Krylov subspace diagonalization）的方法。在标准方法中，量子计算机逐步构建模型，每次添加一个部分后都要重新计算整个系统。这既缓慢又昂贵。新方法允许计算机在建立一个合理的近似值后停止构建。然后，研究人员不再添加更多层级，而是利用这个现有的近似值作为起点，去计算分子能量的几个特定属性。通过分析这些属性，他们可以从数学上将答案投影到一个稍大的空间中，从而有效地找回分子行为中缺失的细节，而无需要求量子计算机执行新的复杂操作。这就像是拿着一张风景的草图，利用一套规则来填充缺失的细节，而不是重新外出绘制整个场景。

在模拟过程中，研究人员在二十七种不同的分子系统中测试了这种方法。他们测量了达到特定目标精度（定义为与真实能量值的误差在 1.6 毫哈特里以内）所需的步骤数。对于研究中最复杂的分子，标准方法需要运行数百步才能达到目标，而新技术的运行时间仅为原来的约六分之一。这种优势在具有高“瑞尼熵”（Rényi entropy，衡量电子排列分布范围和复杂程度的指标）的分子中表现得最为明显。对于这些困难案例，步骤的减少非常显著。当团队对整个过程的成本进行建模，并将获取可靠数据所需的测量次数考虑在内时，节省的效果更为惊人。使用标准方法的成本比使用这种新修正技术的方法高出多达四十倍。这表明，对于受限于测量次数（即在噪声破坏数据之前能进行的测量次数）的近期待用量子计算机而言，这种方法可能决定了一次计算是“不可能完成”还是“可行”的区别。

团队探索的第二种技术被称为“恒等增强量子自洽运动方程”（identity-augmented quantum self-consistent equation of motion）。这种方法解决了另一个问题：当初始模型过于简单无法捕捉分子的真实行为，或者当用于选择下一步的测量数据存在噪声时，该怎么办？在许多情况下，由于数据不完美，量子计算机可能会选错要添加的部分。研究人员发现，通过在最终分析中加入一个特定的数学组件，他们可以纠正这些错误。这种技术使得即使在初始模型被缩短或基于噪声数据进行组件选择的情况下，也能恢复准确的能量值。在涉及一种名为“间苯二甲苯衍生物”（m-benzyne）分子的测试中，即使标准过程因测量噪声而陷入困境，该方法仍成功恢复了正确的能量水平。它起到了安全网的作用，确保了一个有缺陷或不完整的起点仍然可以导向精确的最终答案，而无需重启整个过程。

这两种方法有着共同的哲学：它们将量子计算机的输出视为一个参考点，而非最终产品。通过在量子机器完成工作后，在经典计算机上进行少量的额外计算，研究人员可以榨取出更高的精度。这一点特别有价值，因为量子硬件本身保持不变。电路不需要变得更长，需要调节的参数数量也不会增加。研究人员证明，这种方法在各种分子系统（从简单的原子链到更复杂的结构）中都表现良好。他们还表明，该方法具有鲁棒性，即使输入的数据并不完美，也能保持其有效性。

这些发现的影响不仅限于节省时间。通过减少所需的步骤和测量次数，这些技术降低了在现有硬件上运行化学模拟的门槛。这可能使科学家能够研究更复杂的分子，例如参与光合作用或固氮作用的分子，而这些分子此前因计算规模过大而难以触及。研究人员指出，虽然他们的工作是在模拟环境中完成的，但所使用的原理可以直接应用于真实的量子设备。他们还指出，这些修正可以应用于其他类型的量子算法，而不仅仅是他们测试的那一种。这种在不增加机器物理需求的情况下提高准确性的能力，为该领域指明了一条新的道路。

在结论中，作者强调，选择使用哪种修正方法取决于具体的问题。对于某些分子，第一种方法在速度和精度之间提供了最佳的平衡。对于另一些分子，特别是初始模型非常有限的情况，第二种方法则提供了至关重要的提升。这项研究并非声称解决了量子化学的所有问题，而是提供了一个实用的工具，使现有工具变得更加高效。随着量子硬件的持续改进，这些后优化技术很可能成为标准的工作流程，使研究人员能够从每一个量子比特和每一次测量中获得更多的价值。这项工作提醒我们，有时提升一个系统的最有力方式不是建造一个更大的系统，而是更仔细地思考如何利用你现有的系统。