Qubits Are Not Enough: Deflation and Measurement Limits in Variational Quantum Modal Analysis

桥梁、摩天大楼和飞机机翼等结构不断受到风力、交通和下方地面变化的考验。为了确保这些结构的安全，工程师们依赖于一种被称为“模态分析”的过程。这就像音乐家通过调音吉他弦来寻找其特定的音高一样，是在“聆听”建筑物的自然振动。每种结构都有一组其偏好振动的自然频率。如果地震或强风与其中一个频率相匹配，建筑可能会发生剧烈摇晃，甚至导致坍塌。通过计算这些频率以及建筑在振动时呈现的形状，工程师可以预测结构的反应方式，并在危险发生前发现薄弱环节。几十年来，强大的经典计算机一直以极高的速度和精度解决这些振动问题。

最近，一种被称为量子计算机的新型计算机出现了，它有望解决当今机器难以处理的复杂问题。其核心理念是，这些计算机利用奇特的量子物理定律，以一种根本不同的方式处理信息。一些研究人员曾希望量子计算机能够通过比经典计算机更快地计算这些振动模式，从而彻底改变结构工程领域，甚至可能处理目前难以建模的大型复杂结构。一种被称为“变分量子特征值求解器”的具体方法一直是这一任务的主要候选方案，因为它旨在适配当今存在噪声且并不完美的量子硬件。人们曾寄希望于通过将结构数据编码进量子态，使工程师能以比以往更少的资源找到振动频率。

一组研究人员开展了一项测试，旨在验证这种量子方法是否真的适用于现实世界的结构问题。他们不仅关注用于存储数据的量子比特（qubits）数量——这通常是量子计算领域最受关注的数字——而是构建了一个完整的端到端评估框架，以观察在量子机器上从头到尾解决一个结构振动问题时会发生什么。他们采用了一个标准的工程结构模型，将其转换为量子计算机可以读取的格式，然后运行模拟以寻找振动频率。他们的目标是测量整个过程中的每一个步骤，包括数据在转换过程中损失了多少、获得可靠答案需要进行多少次测量，以及量子计算机是否真的能找到正确解。

研究人员发现，虽然量子计算机可以使用极少的量子比特来存储大型结构的数据，但其余过程却比预想中困难得多。他们发现的第一个重大障碍是：用于准备量子计算机数据的这种方法破坏了工程模型的天然简洁性。在经典工程中，描述结构的数据通常是“稀疏”的，这意味着大多数数值为零，只有少数连接点起作用。然而，为了使数据与量子物理兼容而进行的数学变换，会将这种稀疏、简单的数据转变为一个密集的、复杂的连接网络。研究人员称之为“白化”（whitening）的过程，这一过程导致所需的量子操作数量呈爆炸式增长。对于一个拥有一百二十八个运动点的结构，所需的不同量子测量次数从可控的几百次猛增到了近三千次。

这种复杂性的爆炸引发了第二个、也是更大的瓶颈：测量成本。为了从量子计算机中获得有用的答案，你不能只运行一次计算；你必须重复实验数千次甚至数百万次，以抵消系统中固有的随机噪声。研究人员计算出，如果要检测出结构中微小的、现实存在的损伤（例如单根梁损失了10%的刚度），大约需要执行该量子电路一亿次。这是一个惊人的操作次数，而经典计算机解决同样的问题仅需不到一秒的时间。研究表明，为了获得精确答案而收集足够测量次数所需的时间，完全掩盖了量子计算机可能提供的任何速度优势。

此外，研究人员发现，仅仅拥有足够的量子比特来存储数据并不足以解决问题。他们发现，用于寻找答案的量子电路往往过于“浅层”或过于简单，无法表现出振动的复杂形状，即使数据存储容量是充足的。这就像是一个图书馆拥有足够的书架来放书，但书本身是用读者无法理解的语言编写的。量子计算机可以持有信息，但用于处理信息的特定电路类型缺乏足够的表达能力，无法找到正确的振动模式。当研究人员试图通过增加电路的深度和复杂度来修复此问题时，他们试图测量的信号变得极其微弱且充满噪声，以至于计算机无法学习到任何有用的信息。

该研究还探讨了寻找多个振动模态（而非仅仅是最基本的那个）的问题。在工程学中，了解不仅是最低频率，还有更高频率的振动，对于理解建筑如何扭转或摇摆至关重要。研究人员开发了一套精确的规则，指导量子计算机忽略较低频率并专注于较高频率。他们证明了这一规则既是必要也是充分的，这意味着没有回旋余地：如果对寻找错误频率的惩罚设置得不完全正确，计算机就会失败。他们还表明，如果计算机在寻找低频时出现微小误差，该误差在寻找高频时会被放大，除非测量精度极高，否则结果将是不可靠的。

最终，论文得出结论：对于所测试的结构问题，量子方法并不具备相对于经典计算机的速度优势。量子计算在该领域的承诺并非受阻于量子比特的缺乏，而是受限于获取结果时的巨大测量成本，以及在保持数据简洁性的同时进行数据准备的难度。研究人员发现，现有的经典方法在处理这些任务时表现得极其优越。他们并没有找到让量子方法运行得更快的方法；相反，他们识别出了阻碍其实现这一目标的具体数学和物理障碍。他们的工作提供了一份清晰的障碍图谱，表明虽然量子计算机未来可能解决这些问题，但前进的道路需要克服巨大的测量成本，并找到保持数据简洁性的方法，而不是假设这项技术已经准备好取代目前的工程工具。