⚛️ 量子物理

Quantum Simulation of Electronic Structure using Quantum Density Functional Theory on a Programmable Integrated Photonic Circuit

本文通过在可编程集成光子电路上模拟氢化锂分子的电子结构，实验性地证明了一种高效利用量子比特的量子密度泛函理论算法，成功验证了一条能够以更低的资源开销将量子化学模拟扩展至更大系统的路径。

原作者： Giovanni Adriano, Akilan Rajamani, Francesco Hoch, Farrokh Labib, Nadja Z. Zaouri, Eugenio Caruccio, Gonzalo Carvacho, Nicolò Spagnolo, Riccardo Albiero, Giacomo Corrielli, Francesco Ceccarelli, Jean-

发布于 2026-11-04

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Giovanni Adriano, Akilan Rajamani, Francesco Hoch, Farrokh Labib, Nadja Z. Zaouri, Eugenio Caruccio, Gonzalo Carvacho, Nicolò Spagnolo, Riccardo Albiero, Giacomo Corrielli, Francesco Ceccarelli, Jean-Sebastien Filhol, Roberto Osellame, Taira Giordani, Fabio Sciarrino, Nathan Shammah, Bruno Senjean

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

了解电子如何在原子周围排列是现代化学的基础。它是设计新材料、创造更高效的电池以及开发更好药物的关键。几十年来，科学家们一直依赖强大的计算机来预测这些排列方式，但随着分子规模的增大，数学计算变得异常复杂。描述每一个电子相互作用所需的计算量呈指数级爆炸式增长，使得精确模拟超过几个原子的系统变得十分困难。虽然经典计算机通过近似法取得了长足进步，但一种新的方法应运而生，试图利用量子力学本身的规律来解决这一问题。这种方法不再直接模拟每个电子复杂的相互作用，而是将问题重新表述为一个更简单的版本，即追踪电子的密度而非它们的个体路径。这种转变实现了更高效的计算，只需更少的资源即可描述相同的系统。

研究人员现在通过在一台真实的、工作的机器上测试这种高效方法，取得了重大进展。他们使用一种由光构成的专门设备，成功模拟了氢化锂分子的电子结构——这是一种由一个锂原子和一个氢原子组成的简单化合物。该实验是在一个可编程集成光子芯片上进行的，这种芯片通过引导单个光粒子（称为光子）穿过微观路径的网络来工作。通过将问题编码到这些光子中，研究人员能够找到分子的最低能量状态，这对应于其最稳定的形式。这项工作证明，利用基于光的硬件运行复杂的化学模拟是可能的，为解决传统计算机目前无法处理的问题提供了一条充满希望的路径。

模拟分子的挑战在于变量的数量极其庞大。若要使用标准方法高精度地描述一个分子，计算机需要为每一个电子可能存在的轨道配备一个独立的存储单元，即量子比特（qubit）。即使对于一个小分子，这种需求也会迅速超出当前技术的极限。研究人员使用了被称为“量子密度泛函理论”（Quantum Density Functional Theory）的技术来绕过这一瓶颈。这种方法将复杂的相互作用电子问题转化为一个更简单的、涉及在有效场中运动的非相互作用电子的问题。其核心优势在于，所需的量子比特数量不再随轨道的数量增长，而是随其对数增长。对于拥有四个电子的氢化锂分子，这种方法将需求从十几个量子比特减少到了仅有的两个。这种资源的剧烈缩减使得在现有的光子硬件上运行模拟成为可能。

为了进行实验，团队构建了一个结合了单光子源和复杂玻璃芯片的系统。光子由量子点产生，量子点是一种微小的半导体结构，在受到激光照射时会发射单个光粒子。随后，这些光子被引导进入一个玻璃芯片，并在其中的波导网络中传播。该芯片设计为完全可编程，允许研究人员调整光的路径和相位以执行特定的计算。实验的核心是名为“变分量子特征值求解器”（Variational Quantum Eigensolver）的算法，该算法通过迭代调整电路设置，以寻找使系统能量最小化的配置。在这种特定情况下，该算法被改编为不仅能寻找最低能量状态，还能寻找第一个激发态，从而让研究人员能够重建分子的电子密度。

研究人员以三种不同的方式运行了模拟，以验证其结果。首先，他们在经典计算机上进行了完美的、无噪声的模拟，以建立理论基准。其次，他们运行了一个包含其实际硬件已知缺陷（如光子之间的微小差异以及计数粒子次数有限）的模拟。最后，他们在实际的光子芯片上执行了实验。无噪声模拟与理论参考几乎完美匹配，证实了算法和两量子比特映射的正确性。包含硬件噪声的模拟显示，该方法保持了稳健性，尽管准确度略有下降。在光子芯片上的真实实验成功收敛到了一个定性正确的解，这意味着它捕捉到了分子的基本化学特征，例如电荷从锂向氢的转移。

然而，实验结果尚未精确到能够完美描述该分子的离子键。数据表明，虽然整体行为是正确的，但电子分布的细节略有扭曲。研究人员指出，误差的主要来源是光子彼此并不完全相同，以及在统计有限数量粒子时固有的统计噪声。尽管存在这些局限性，实验证明了该方法是行之有效的。团队发现，即使在存在噪声的情况下，该方法也能成功导航复杂的化学状态景观，找到正确的基态。这一成功表明，随着硬件的改进（特别是更好的光子源和更低的电路损耗），该技术可以扩展到模拟更大、更具化学相关性的分子。

这项工作的意义不仅限于模拟单个分子。研究人员强调，这种高效的量子比特利用方法最终可以应用于具有重大技术意义的系统，例如锂离子电池中复杂的界面。通过模拟电子在电池电解质与电极之间的边界行为，科学家可以更深入地理解电池为何随时间衰减或为何无法快速充电。高精度建模这些过程的能力可以加速下一代储能解决方案的开发。虽然目前的实验局限于一个小分子，但将高效算法与可重构光子硬件的成功整合，为未来的进步建立了一条清晰的路径。该研究证实，只要硬件能够持续进化以满足更大系统的需求，基于光的量子计算机将是解决复杂量子化学问题的可行平台。

技术摘要：利用可编程集成光子电路进行量子密度泛函理论的量子电子结构模拟

问题陈述
准确模拟分子电子结构是量子化学的基础，但使用基于波函数的计算方法时，面临着随系统规模呈指数级增长的挑战。虽然经典密度泛函理论（DFT）通过使用电子密度作为基本变量缓解了这一问题，但将 DFT 原理应用于量子计算机（量子 DFT 或 Q-DFT）仍受限于资源开销。标准的量子算法通常需要与轨道数量（ $N$ ）成线性比例的量子比特数，这限制了在当前硬件上仅能模拟极小规模的系统。此外，求解 Kohn–Sham (KS) 方程需要寻找多个本征态（基态和激发态）以重建电子密度，这增加了变分优化的复杂性。

研究方法
作者提出并实验验证了一种 Q-DFT 算法，该算法利用了一种高效的量子比特映射技术，将量子比特需求从 $N$ 降低到 $O(\log_2 N)$ （针对 $N$ 个轨道的系统）。本研究重点关注氢化锂（LiH）分子。

理论框架：
- Q-DFT 映射： 将相互作用的多体问题重新表述为一个非相互作用的 Kohn–Sham 参考系统。通过一种二进制（高效量子比特）映射，LiH 的四个相关轨道（Li 1s, 2s, 2pz 和 H 1s）被编码到仅有的两个量子比特中（ $\log_2 4 = 2$ ）。
- 系综 VQE： 为了解决 KS 问题，作者采用了变分量子特征值求解器（VQE）的系综扩展版本。该方法在由基态和第一激发态组成的子空间内最小化系统的能量，这两个状态对应于两个双占据的 KS 轨道。其代价函数是这两个状态能量的等权重之和。
- 自洽循环： 算法迭代求解 KS 哈密顿量，计算电子密度，更新 Hartree-交换-相关势，并重新求解哈密顿量，直到收敛。
实验平台：
- 硬件： 实验利用了通过飞秒激光在玻璃基底上刻蚀而成的可编程集成光子电路。
- 光源： 基于半导体量子点（处于共振荧光构型）的确定性单光子源提供了高纯度的光子。
- 架构： 该电路采用双轨编码，逻辑量子比特由空间模式中的单光子表示。设置包含一个用于将光子路由到 8 模通用光子电路的时间-空间解复用器。
- 电路设计： VQE 拟设（ansatz）包含单层 $RY$ 旋转和一个后选择的 C-NOT 门（通过纠缠的 Mach-Zehnder 干涉仪和辅助模实现）。该电路包括单量子比特制备、具有四个可调参数的变分部分，以及对泡利基底的投影测量。

核心贡献

资源缩减： 证明了使用仅 $O(\log_2 N)$ 个量子比特来模拟分子系统的可行性，显著降低了量子化学的硬件门槛。
实验验证： 首次在可编程光子平台上实现了 Q-DFT 的 VQE 优化程序。完整的自洽场（SCF）循环逻辑在无噪声量子模拟中得到了执行和验证，而实验演示则侧重于针对来自模拟的最终哈密顿量的 VQE 优化。
噪声表征： 系统地研究了有限采样（散粒噪声）和光子可区分性对 SCF 循环收敛性和 VQE 准确性的影响，并将这些识别为当前近中规模含噪声量子（NISQ）设备的主要瓶板。

结果

无噪声模拟： Q-DFT 循环的状态矢量模拟在六次迭代内收敛，在前四次迭代中与参考 PySCF 结果高度吻合，随后由于 KS 方案的密度依赖特性而出现轻微偏差。最终能量误差低于 $10^{-6}$ Hartree。
有限采样效应： 结合了散粒噪声（高达 $10^9$ 次采样）的模拟表明，SCF 循环无法达到完全收敛，而是停滞在 $\sim 10^{-3}$ Hartree 的能量精度上。这是由于 LiH 系统中连续 KS 哈密顿量之间的能量差小于统计不确定性导致的。
实验性能： 物理实验成功优化了源自无噪声模拟的最终哈密顿量（ $H_6$ $H_{6}$ ）的 VQE 参数。
- 化学分析： 实验结果重现了 LiH 离子键的定性特征，即从锂到氢的电荷转移。
- 定量准确性： 实验密度矩阵与理论状态矢量结果的保真度为 90.5%。然而，实验电荷分布表现出过度的原子定位，且与参考值相比，其键合特性有所减弱。这种偏差归因于光子可区分性（可见度 $V \approx 89\%$ ）和光学损耗，这些因素引入了系统误差，阻碍了实现“化学精度”（ $1.6 \times 10^{-3}$ Ha）。
- 模型一致性： 考虑了部分光子可区分性和有限统计特性的噪声模型模拟与实验结果高度吻合，验证了误差模型。

意义与主张
本文声称通过将高效量子比特算法与可重构光子硬件相结合，为模拟更大的分子系统建立了一条可行的路径。尽管由于硬件限制（特别是光子不可区分性和光学损耗），目前的 LiH 实验结果尚未达到化学精度，但这项工作证明了：

Q-DFT 可以成功映射到光子电路并执行。
系综 VQE 方法对于恢复 DFT 所需的基态和激发态性质是有效的。
未来扩展的主要硬件需求是提高单光子源的不可区分性和降低光学传播损耗。

作者总结道，通过适度的硬件改进，这种方法可以扩展到具有技术相关性的系统，例如用于电池建模的含锂化合物，而无需像传统的基于波函数的量子模拟那样需要庞大的量子比特数量。

技术摘要：利用可编程集成光子电路进行量子密度泛函理论的量子电子结构模拟

类似论文