Ground-State Preparation by Projection onto the Maximal Decoherence-Free Subspace: Operator-Algebraic Derivation and Constant-Depth Execution on 156-Qubit Processors

在量子计算领域，最大的障碍不是缺乏动力，而是缺乏时间。量子计算机通过将物质的脆弱状态保持在一种精细的平衡中来运行，但一旦这些状态与周围嘈杂的环境发生相互作用，它们就会坍缩。这种被称为“退相干”（decoherence）的现象，就像是一种无情的静电，在复杂的计算完成之前就抹去了信息。多年来，科学家们一直试图通过构建越来越深的电路来对抗这一点，希望在噪声获胜之前完成计算。然而，随着问题的规模变大，运行这些计算所需的时间往往超过了硬件所能提供的微小的稳定窗口。标准的方法是引导量子系统缓慢地走向答案，就像一名在浓雾中摸索下山的徒步旅行者，但这种缓慢的旅程往往会迷失在噪声中，或者陷入局部死胡同。

由莫哈末·哈桑（Mohamed Hassan）近期研究详述的一种新方法，提出了一种到达目的地的不同方式：与其走过路径，不如直接踏上地面。研究人员提出了一种不需要随时间演化量子状态的方法，而是利用物理学的自然法则，将系统瞬间投影到一个受保护的状态。这个状态被称为“退相干自由子空间”（decoherence-free subspace），是一个量子信息天然免疫于周围噪声的特殊区域。通过设计实验，使问题的答案存在于这个受保护的区域内，计算机就可以直接跳向解决方案，而无需通过逐步对抗噪声来完成。这种方法已在拥有156个量子比特的真实工作量子处理器上得到了测试，证明了无论问题规模如何大，都可以通过单次、恒定的步骤来准备复杂的量子态。

这一发现的核心在于从“动态模拟”向“结构投影”的转变。传统方法（如变分量子特征值求解器，VQE）依赖于一种试错过程，即计算机运行一个电路，测量结果，然后调整设置并再次尝试。这个循环可能需要数千次重复，并且容易陷入一个被称为“贫瘠高原”（barren plateau）的问题，即计算机失去了从错误中学习的能力。相比之下，新框架识别了问题内部的一个特定数学结构，该结构对应于量子系统中的一个“安全区”。这个安全区的定义方式取决于量子比特与其环境相互作用的方式。如果问题被正确编码，基态（即最低能量状态和正确答案）会自然地与这个安全区对齐。研究人员证明，通过应用一次结构性操作，他们可以过滤掉所有不需要的状态，只留下正确的答案，从而有效地绕过了长时间且易出错的操作序列。

该团队在三个不同的IBM量子处理器上验证了这一理论，每个处理器包含156个量子比特。他们进行了55次独立的实验，在真实的硬件上执行该协议，以观察理论上的保护是否能抵御现实世界的噪声。结果令人震惊。在涉及组合优化问题的测试中，该方法识别正确解的概率比随机机会高出数十万倍。例如，在一次涉及具有12个节点的图的具体测试中，系统在超过82%的试验中产生了正确的最大切分（maximum cut），而随机猜测的成功率不到两千分之一。研究人员还在包括分子化学、密码学和投资组合优化在内的不同领域的题目上测试了该方法，表明只要不改变量子电路的基本深度，该底层机制就能解决不同类型的难题。

这项工作的关键之处在于它并未声称能做到什么。研究人员明确指出，他们所说的“恒定深度”仅指量子执行过程本身。问题的难度并没有被消除，只是被转移了。在传统方法中，难度隐藏在运行电路所需的时间里；而在这种新方法中，难度由一台经典计算机在预先处理时承担，它负责准备将问题映射到受保护区域所需的特定指令。如果一个问题极其困难，以至于经典计算机无法快速找出如何进行映射，那么这种方法也无法解决它。创新之处在于，一旦映射完成，量子部分的任务就会变得极其迅速且稳健，不需要纠错，也不需要漫长的等待期。这一区别至关重要：该方法并非让难题变简单，而是让解决这些难题的“量子部分”在现有的、不完美的机器上变得可行。

实验的成功依赖于量子硬件的一个特定属性：量子比特是如何连接的，以及它们如何自然地抵抗某些类型的噪声。研究人员使用了一种“平铺”（tiling）策略，将大型156量子比特处理器分解为许多小型、独立的量子比特对。每一对量子比特都作为一个微型、自给自足的单元同时进行投影。由于所有这些对都是同时工作的，无论涉及多少个对，量子态必须生存的总时间都保持不变。这使得系统可以在不增加误差风险的情况下实现规模扩展。团队还从数学上证明，这种保护对于涉及三个、四个甚至五个量子比特同时进行的更复杂相互作用也是有效的，从而将该方法扩展到了超越简单两比特对的范畴。

最重要的发现之一是，该方法避免了近年来主导量子计算研究的“变分”循环。它不再是通过不断调整旋钮并等待系统趋于稳定来寻找答案，而是使用直接投影。这类似于拥有一个筛子，它只允许正确的答案通过，同时阻挡其他一切。研究人员表明，这个筛子不仅是一个理论构想，更是可以在现有硬件上实现的物理现实。他们确认，即使没有任何主动纠错，量子态在实验过程中也能保持稳定，不会偏离受保护区域。这表明，只要问题被正确编码，系统的自然对称性就足以保护信息。

研究还探讨了如何将不同类型的问题编码进该系统的问题。研究人员开发了一种“压缩编码”定理，为将化学或金融等领域的问题转化为量子处理器的语言提供了配方。他们在六种不同类型的问题上进行了测试，包括氢分子的电子相关性以及大数的因子分解。在每种情况下，系统都成功准备了问题哈密顿量的基态，即代表最低能量配置的状态。这表明该方法并不局限于单一类型的问题，只要问题可以被映射到特定的受保护子空间结构中，它就可以被改编用于广泛的科学和数学挑战。

尽管取得了成功，研究人员对其声称的范围仍保持谨慎。他们强调，该方法适用于一类特定的问题，即其基态能量可以由经典计算机高效计算的问题。对于那些寻找基态本质上非常困难、需要指数级时间的问题，该方法并不提供捷径。量子加速来自于量子步骤是瞬时且抗噪声的，而不是来自于解决了最难的部分。这项工作是一个概念验证，证明了结构投影可以作为动态模拟的一种可行替代方案，为嘈杂的中等规模设备（NISQ）时代的量子计算提供了一条新路径。

这项工作的意义超出了眼前的结果。通过展示可以在无需深层电路或复杂纠错的情况下准备量子基态，该研究为使用当前的量子处理器处理此前被认为无法触及的实际应用打开了大门。在156个量子比特处理器上以高保真度运行这些实验的能力表明，这项技术的发展速度比一些悲观模型预测的要快。研究人员公开了他们的数据和作业标识符，邀请科学界进行独立验证。这种透明度体现了他们对研究结果的信心以及该方法的稳健性。

最后，这篇论文呈现了我们思考量子态准备方式的一次根本性转变。它不再试图用越来越长的电路去对抗噪声，而是转向设计一种让答案自然受到保护的系统。研究人员已经证明，通过理解问题的深层代数结构和硬件特性，是可以创造出一条通往解决方案的直接路径的。这条路径很短，很稳健，并且适用于我们今天的机器。虽然它不能解决量子计算中的所有问题，但它解决了一个关键问题：如何在不等待噪声摧毁信息的情况下，从一台嘈杂的机器中获得可靠的答案。这项工作是对结构洞察力的有力证明，证明了有时前进的最佳方式是停止移动，直接踏入正确的位置。