厦门大学JCTC | 自初始化线路的动力学变分量子算法

英文原题：Integrating Self-Initialized Local Thermalizing Lindblad Operators for Variational Quantum Algorithm with Quantum Jump: Implementation and Performance

通讯作者：梁万珍（厦门大学）

作者：Zhihao Lan（兰之昊）, WanZhen Liang（梁万珍）*

由于量子计算涉及对量子态的操控与测量，当前公认量子计算最有可能率先发挥作用的领域是对诸如化学材料分子之类量子体系的模拟计算。目前量子模拟小型的量子多体系统随时间的演化过程不是问题。但量子体系通常处于复杂的环境中，不可避免地与环境发生相互作用与纠缠，这导致其量子态的演化是非幺正的。因此，如何使用内秉幺正的量子线路、去高效模拟非幺正的开放量子系统动力学行为以及复杂环境对系统的影响，是量子计算化学领域需要解决的问题。

厦门大学梁万珍教授课题组使用了局域热化的Lindblad算符描述这种影响，结合前人提出的量子跳跃与McLachlan变分量子算法，改进了量子跳跃局域热化Lindblad主方程变分量子算法 (VQS-QJ-LTLME)，并利用该算法在真实的超导量子计算机和经典计算机上模拟了两能级自旋玻色子模型和简化的四能级 Fenna-Matthews-Olson（FMO）系统的动力学。原始的变分量子算法需要演化大量的随机量子轨迹，每条轨迹中都会随机地发生量子跳跃，最后将这些随机轨迹进行平均得到结果，而在VQS-QJ-LTLME算法中，一旦概率性的量子跳跃发生，局域热化的Lindblad算符的紧凑形式可以使量子线路立刻初始化到初态。这一自初始化的性质大大提高了计算效率。

图1. 使用经典模拟器进行的自旋-玻色模型的量子算法动力学模拟结果。

同时基于这一算法的自初始化特性，该团队又引入了一种新的采样方法：无演化采样，避免了在计算过程中计算大量（10³~10⁶）随机量子轨迹。取而代之的是仅需要演化固定数量 (n³+1) 的无随机性连续量子轨迹，这进一步提高计算效率。无演化采样也降低了算法对量子资源的需求量，使得实机计算在真实量子计算资源紧俏的现状下变得有可行性。这项工作尝试了在真实超导量子芯片“本源悟空”上实现新算法，并取得了相当精确的结果。

图2. 使用经典模拟器进行的简化FMO模型的量子算法动力学模拟结果。这一结果使用了无演化采样，只需要演化65条轨迹。对比不使用无演化采样的原始算法需要的轨迹数（>10⁶），大大加速了计算过程。

图3. 在超导量子芯片“本源悟空”上进行的自旋-玻色模型的量子算法动力学模拟结果。

总之，改进后的VQS-QJ-LTLME算法所需的量子比特数和线路深度相较于其他量子算法具有优势，在面对当前真实量子计算机中的噪声时也具有很强的鲁棒性。文章主要由课题组博士生兰之昊完成，发表于J. Chem. Theory Comput.。

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Integrating Self-Initialized Local Thermalizing Lindblad Operators for Variational Quantum Algorithm with Quantum Jump: Implementation and Performance

Zhihao Lan, WanZhen Liang*

J. Chem. Theory Comput. 2024, 20, 23, 10317–10327

https://doi.org/10.1021/acs.jctc.4c00490 

Published November 26, 2024

Copyright © 2024 American Chemical Society

（本稿件来自ACS Publications）