来源论文: https://arxiv.org/abs/2506.16911 生成时间: Feb 23, 2026 08:44

0. 执行摘要

在现代量子化学中，精确描述电子相关作用是理解化学反应机制和材料特性的核心。电子相关通常分为两类：源于轨道准简并的静态相关（Static Correlation）和源于电子瞬时排斥的动力学相关（Dynamical Correlation）。单参考耦合簇理论（如 CCSD(T)）被誉为量子化学的“金标准”，在处理动力学相关方面表现卓越，但在面对强关联（多参考）体系时往往会崩溃。相反，量子计算被认为具备处理静态相关的指数级优势，但受限于当前硬件（NISQ 时代）的噪声和资源限制，难以直接处理全空间的所有相关作用。

近日，来自大阪大学的 Luca Erhart、Yuichiro Yoshida 和 Wataru Mizukami 提出了一种名为 QSCI-TCC（Quantum-Selected Configuration Interaction-tailored Coupled-Cluster） 的混合量子-经典方案。该方法的核心逻辑是：利用量子计算机采样得到的量子态，通过 QSCI 协议在经典计算机上重建无噪声的有效波函数，并将其作为“种子”嵌入到定制耦合簇（TCC）框架中。实验证明，该方法在处理 H2O 和 N2 的化学键断裂体系时，不仅表现出优于 CCSD(T) 的鲁棒性，而且在采样效率上比之前的影子断层扫描（Matchgate Shadows）方法提高了整整一个数量级，仅需 $10^5$ 次测量即可达到化学精度（1 kcal/mol）。

1. 核心科学问题，理论基础，技术难点与方法细节

1.1 核心科学问题：强关联体系的“既要又要”

量子化学面临的长久挑战是如何在一个统一的框架内同时处理静态和动力学相关。静态相关需要多参考波函数（如 CASSCF），其计算开销随活性空间大小呈指数增长；而动力学相关则涉及大量虚轨道的激发，通常由耦合簇（CC）方法处理。现有的混合算法（如 VQE）往往试图将所有电子相关都放在量子芯片上，这导致了巨大的测量开销和由于线路深度不足带来的精度损失。

QSCI-TCC 试图解决的问题是：如何利用量子计算机捕捉最重要的静态相关信息，同时利用经典计算机的高效 CC 算符来恢复海量的动力学相关，并确保整个过程对量子测量噪声具有鲁棒性？

1.2 理论基础：定制耦合簇（TCC）

TCC 的核心思想是将耦合簇的指数算符 $e^{\hat{T}}$ 进行拆分。根据 Eq. (1)，波函数被表示为：

$$|\Psi_{TCC}\rangle = e^{\hat{T}_{rest}} e^{\hat{T}_{active}} |\Psi_0\rangle$$

其中：

  • $\hat{T}_{active}$ 包含完全位于活性空间内的激发算符。这些算符的幅值（Amplitudes）并非通过传统的 CC 方程求解，而是从一个预先计算好的多参考（MR）波函数（在本项目中为 QSCI 态）中提取并固定。
  • $\hat{T}_{rest}$ 包含涉及活性空间以外轨道的激发算符。这些幅值通过传统的经典 CC 方程迭代求解，但在残差方程中，$\hat{T}_{active}$ 是作为已知常量嵌入的。

这种架构实现了“嵌入”的思想：量子算子负责活性空间内的复杂强关联，经典算子负责全空间的微扰相关。

1.3 技术细节：量子选择配置相互作用（QSCI）

QSCI 是本项工作的核心创新点，它作为量子硬件与 TCC 之间的桥梁。其工作流程如下：

  1. 态制备与采样：在量子硬件上利用 VQE 或 QPE 制备态 $|\Psi_{QC}\rangle$，进行计算基测量得到一组行列式 $\{|\Phi_i\rangle\}$。
  2. 有效哈密顿量构建：在经典计算机上，利用采样的行列式构建子空间。计算有效哈密顿量矩阵元 $H_{ij}^{eff} = \langle\Phi_i|\hat{H}|\Phi_j\rangle$。这里关键的技术点是，这些矩阵元是精确计算的，不含测量噪声。
  3. 对角化：求解 $H^{eff} \mathbf{c} = E \mathbf{c}$，得到无噪声的 CI 系数 $c_i$。
  4. 幅值映射：通过 Eq. (4) 和 (5)，将 CI 系数转化为 CC 幅值：
    • $t_i^a = c_i^a$
    • $t_{ij}^{ab} = c_{ij}^{ab} - \frac{1}{2}(c_i^a c_j^b - c_i^b c_j^a)$

1.4 技术难点：消除加性噪声

传统的态断层扫描（State Tomography）直接估计波函数，会导致 CI 系数携带巨大的统计波动（Shot Noise），这种波动在非线性的 CC 方程迭代中会迅速放大，导致计算不收敛或产生巨大的能量偏差。QSCI 的精妙之处在于，采样仅决定进入子空间的行列式种类，而不直接决定系数。只要关键的行列式被采样到，系数是由经典对角化确定的，因此是“无噪声”的。这是实现高采样效率的关键。

2. 关键 Benchmark 体系、计算数据与性能分析

论文选取了两个极具挑战性的多参考体系：水分子的对称解离（H2O）和氮分子的三键断裂（N2）。

2.1 H2O 对称解离（活性空间 8e, 6o）

在平衡几何附近，CCSD 和 CCSD(T) 表现良好。但随着 O-H 键拉伸至 2.0 Å 以上，静态相关占主导。结果显示：

  • CCSD(T) 的崩溃：在 $r > 2.0$ Å 时，CCSD(T) 能量开始显著偏离 FCI 参考值。
  • QSCI-TCC 的鲁棒性：无论是在平衡态还是解离态，QSCI-TCC(T) 的能量曲线与 FCI 几乎重合。即使 VQE 产生的初始态质量一般，通过 QSCI 步骤的平滑处理，最终得到的 TCC 曲线依然非常平滑。
  • 能量偏差：QSCI-TCC(T) 的误差全程保持在平坦的低位，证明了其处理强关联的能力。

2.2 N2 三键断裂（活性空间 6e, 6o）

这是量子化学中著名的硬骨头。随着键长增加，N2 分子的 6 个价电子会形成复杂的强关联态。

  • 性能对比：在 $r = 2.2$ Å 的强关联区域，CCSD 产生了巨大的正向偏差（约 0.04 $E_h$），而 CCSD(T) 则出现了典型的“掉头”下坠。QSCI-TCC 则成功捕获了势能面，误差保持在毫哈特里级别。
  • (c) 修正的重要性：论文引入了 Eq. (12) 的能量修正项，用于补偿由于 QSCI 子空间截断和 TCC 激发能级限制带来的系统误差。数据显示，该修正显著提升了结果的绝对精度。

2.3 采样效率与 Shot Count 测试

这是该研究最具实践意义的部分。研究者测试了不同测量次数（$10^3$ 到 $10^6$）对精度的影响：

  • 关键发现：对于 N2 分子，在 $r = 2.2$ Å 的极端强关联情况下，仅需 $1.0 \times 10^5$ 次采样，QSCI-TCC 就能达到化学精度（误差 $\le 1$ kcal/mol）。
  • 对比数据：相比之下，2024 年发表的基于 Matchgate Shadows 的 TCC 实现需要约 $2.2 \times 10^6$ 次采样才能达到同等精度。QSCI-TCC 的效率提升了 20 倍以上。
  • 稳定性：在 $10^5$ 次采样下，能量分布极窄，这对于变分优化过程至关重要。

3. 代码实现细节与复现指南

该研究采用了高度模块化的软件栈，适合量子化学开发者复现。

3.1 核心软件包

  • PySCF 2.2.1：作为底层的经典化学计算引擎。用于处理 Hartree-Fock 轨道生成、积分计算以及执行最终的 TCC 幅值迭代和 (T) 微扰修正。
  • Quri-Parts 0.20.3：这是一个高性能的量子计算库。本项目主要利用其进行 VQE 模拟、算符转换（Jordan-Wigner）和量子态采样。
  • Chemqulacs：用于运行 VQE 模拟的后端工具。

3.2 关键实现逻辑

复现 QSCI-TCC 的步骤如下：

  1. 积分准备：调用 PySCF 计算分子积分并定义 Active Space。
  2. 量子态制备：
    • 使用 GateFabric 或 UCCSD 算子构建 Ansatz。
    • 在量子模拟器中最小化能量，获得收敛的量子态波函数参数。
  3. QSCI 采样与重建：
    • 按照指定的 Shot Count（如 $10^5$）对波函数进行采样，记录出现的 Bitstrings（行列式）。
    • Spin-Adaptation 技巧：为了保持自旋对称性，对每个采样的行列式进行 alpha 和 beta 部分的 Cartesian 乘积扩充（见 Eq. 10 和 11）。
    • 构建有效哈密顿量子矩阵：使用 PySCF 的 kernel_fixed_space 功能或手动构建矩阵元并对角化。
  4. TCC 嵌入计算：
    • 将对角化得到的 $c$ 系数通过 Eq. (4) 和 (5) 转换为 CC 激发初值。
    • 在 PySCF 中调用定制化的 CC 模块，锁定活性空间幅值，迭代剩余幅值。
    • 计算 (c) 修正能。

4. 关键引用文献与局限性评论

4.1 关键引用

  1. TCC 理论奠基：Kinoshita, Hino, and Bartlett [J. Chem. Phys. 123, 074106 (2005)]。这篇文章首次提出了 TCC 框架，是所有定制耦合簇工作的理论起点。
  2. QSCI 方法：Kanno, Kohda, et al. [arXiv:2302.11320 (2023)]。定义了如何通过量子采样进行经典子空间对角化，解决了噪声问题。
  3. 对比标杆：Scheurer et al. [J. Chem. Theory Comput. 20, 5068 (2024)]。该文使用了 Matchgate Shadows 方案，QSCI-TCC 在其基础上显著提升了采样效率。

4.2 局限性评论

尽管 QSCI-TCC 表现出色，但仍有几点局限性值得注意：

  1. 活性空间的缩放限制：虽然 QSCI 比 FCI 效率高，但其核心仍涉及有效哈密顿量的经典对角化。随着活性空间增大，所需采样的行列式数量仍可能面临瓶颈，尤其是当波函数极其弥散时。
  2. 对 Ansatz 的依赖：虽然 QSCI 对初始态有一定容错，但如果量子芯片制备的态完全遗漏了某个关键构型（Determinant），QSCI 无法“无中生有”，这会导致计算结果偏离。
  3. 非变分性质：耦合簇理论本身是非变分的，这意味着在某些极端 Shot-noise 情况下，算出来的能量可能会低于 FCI 参考值，这对稳定性判断提出了挑战。
  4. 模拟器局限性：本研究主要基于经典模拟器。在真实的 NISQ 硬件上，除了采样噪声，还有退相干和门操作噪声，QSCI 对这类物理噪声的抵抗力仍需进一步验证。

5. 补充探讨：为什么 QSCI-TCC 是迈向实用化的关键一步？

5.1 采样噪声的物理本质

在很多量子算法中，我们要测量的是算符的期望值 $\langle\Psi|\hat{O}|\Psi\rangle$。这需要通过采样大量的 Pauli 字符串来实现，且误差收敛极其缓慢（$1/\sqrt{N}$）。QSCI-TCC 改变了游戏规则：它将采样目标从“数值估计”转变为“结构发现”。只要量子计算机能告诉我们哪些电子构型是重要的，剩下的精确计算工作完全可以交给经典超级计算机。这在 NISQ 时代是非常经济的策略。

5.2 自旋对称性的恢复

论文中提到的“Cartesian product of bitstrings”是一个非常实用的工程技巧。在有限采样下，经常会出现采样到 $\alpha\beta$ 而没采样到 $\beta\alpha$ 的情况，这会导致波函数破坏自旋对称性（Spin-Symmetry Breaking）。通过对采样结果进行人工的自旋轨道排列组合，QSCI-TCC 在极低 Shot 数下依然保持了物理上的正确性，这对于解离势能面的平滑性至关重要。

5.3 未来展望：硬件实验与超大活性空间

随着 77 量子比特级别的 QSCI 已经在经典模拟中验证（Ref [35]），下一步必然是将其应用到真正的量子硬件上。QSCI-TCC 的高效率意味着我们不再需要数周的量子计算机机时，而可能在数小时内完成一个分子动态过程的计算。此外，结合线性缩放的 CC 方法（如 DLPNO-CCSD(T)），QSCI-TCC 有潜力被推广到含有数百个原子的生物大分子强关联位点建模中。

总结而言，QSCI-TCC 的出现，为量子计算在量子化学中的应用提供了一个极其务实且高效的范式，即：量子负责寻找重点，经典负责补全细节。