来源论文: https://arxiv.org/abs/2505.08291 生成时间: Feb 24, 2026 08:45

强关联量子化学计算的新突破：多参考态误差缓解（MREM）深度解析

0. 执行摘要

在量子计算化学的 NISQ（有噪声的中等规模量子）时代，噪声是通往化学精度（Chemical Accuracy）的最大障碍。参考态误差缓解（Reference-state Error Mitigation, REM）作为一种低成本且化学直观的方法，已在弱关联体系中展现出巨大潜力。然而，当面对化学键断裂、过渡金属配合物等典型的“强关联”问题时，单参考的 Hartree-Fock (HF) 态不再能提供足够的重叠度，导致 REM 失效。

由查尔姆斯理工大学（Chalmers University of Technology）Hang Zou 等人发表的最新研究提出了一种名为 多参考态误差缓解（Multireference-state Error Mitigation, MREM） 的扩展框架。该方法通过引入紧凑的多参考 Slater 行列式叠加态，利用 Givens 旋转高效地在量子硬件上构建参考态，系统性地捕捉了硬件噪声对强关联基态的影响。在 $H_2O$、$N_2$ 和 $F_2$ 分子的势能面（PES）模拟中，MREM 展现了比传统 REM 高出数个数量级的精度提升，成功将强关联区域的计算误差压制在计算精度阈值（1 kcal/mol）之内。本文将对这一工作进行深度的技术解析。

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：当 Hartree-Fock 失效时，误差缓解该去向何处？

量子化学模拟的核心任务是求解电子哈密顿量的基态能量。在变分量子本征求解器（VQE）中，由于量子门噪声、退相干和读取误差的存在，实测能量总是显著高于理论值。REM 的核心逻辑是：“既然我们知道量子计算机在处理一个简单的参考态（如 HF 态）时会产生多少误差，那么我们可以假设在处理目标基态时产生的误差是类似的，并据此进行修正。”

公式表达为：

$$E_{REM} = E_{noisy}(target) - [E_{noisy}(ref) - E_{exact}(ref)]$$

然而，这种假设成立的前提是参考态 $|\psi_{ref}\rangle$ 必须与目标态 $|\psi_{GS}\rangle$ 具有足够大的重叠（Overlap）。在强关联体系中，电子不再倾向于占据单一的分子轨道，而是分布在多个近似简并的构型中。此时，单行列式的 HF 态与真实基态的重叠度骤降，导致 $E_{noisy}(ref)$ 捕捉到的噪声特征不再能代表目标态，REM 随之失效。MREM 的科学目标就是通过构建“多参考态”来修复这一重叠度缺失问题。

1.2 理论基础：多参考波函数的量子化表达

MREM 采用多构型波函数作为参考：

$$|\psi_{MR}\rangle = \sum_j c_j |n_N \cdots n_2 n_1\rangle$$

其中，$c_j$ 是通过经典方法（如 CISD, CCSD 或 DMRG）预先计算得到的系数。这些多参考态通过选取权重最大的几个 Slater 行列式（SD）进行截断，以在精度提升和电路深度之间取得平衡。

1.3 技术难点：高效的态制备电路（Givens Rotations）

在量子硬件上制备多行列式的叠加态是极其困难的，通常需要极深的受控逻辑门电路。MREM 的技术突破在于利用了 Givens 旋转（Givens Rotations）。

Givens 旋转在量子电路中对应于保持粒子数守恒和自旋投影 $m_s$ 守恒的么正变换。其基本构件块 $U(\theta)$ 在二维 Hilbert 子空间中定义为：

$$U(\theta) = \begin{pmatrix} \cos(\theta/2) & -\sin(\theta/2) \\ \sin(\theta/2) & \cos(\theta/2) \end{pmatrix}$$

在 Jordan-Wigner 映射下，这一操作可以精确控制不同轨道占据态之间的混合。论文详细介绍了如何将 Givens 旋转推广到“双激发”场景，即 $G^{(2)}(\theta)$ 门，它可以直接在四个量子比特上实现 $|0011\rangle$ 与 $|1100\rangle$ 的相干叠加。对于更复杂的态，作者引入了受控 Givens 旋转（CG），通过一个辅助比特来选择性地激发出特定的电子构型。这种方法的优势在于：

  1. 对称性保持：自动满足粒子数和自旋守恒，减少了变分空间的搜索负担。
  2. 电路紧凑：相比通用的态制备算法，Givens 旋转针对化学问题进行了优化，大幅降低了 CNOT 门数量。

1.4 方法细节：MREM 的四个步骤

  1. 参考态选择：利用经典计算（如小基组下的 CCSD）识别出对基态贡献最大的 2-3 个行列式。
  2. 参数确定：通过求解非线性方程组（如公式 12），将经典计算得到的波函数系数转化为量子电路中的旋转角度 $\theta_i$。
  3. 硬件测量：在量子处理器上制备该 MR 态，测量其带噪声的能量 $E_{noisy}(MR)$，计算误差偏移 $\Delta E_{MREM} = E_{noisy}(MR) - E_{exact}(MR)$。
  4. 修正目标能量：将 VQE 优化得到的目标态能量减去该偏移，得到最终的 MREM 修正能量。

2. 关键 Benchmark 体系与性能数据解析

研究者选择了三种具有代表性的分子体系，通过模拟真实的 IBM 硬件噪声环境（FakeSydneyV2 噪声模型）来评估 MREM 的表现。

2.1 $H_2O$ (4e, 4o) 对称拉伸

  • 体系特点：在平衡位置（$R \approx 1.0 \text{\AA}$）附近关联较弱，但在键断裂区域（$R > 2.0 \text{\AA}$）表现出显著的强关联特征。
  • MREM 设置：选取 3 个主要 SD。通过两个单激发 Givens 旋转实现。
  • 数据表现：在拉伸区域，传统的 REM-HF 虽然能缓解部分误差，但仍无法达到计算精度。MREM-3SDs 则几乎完美地贴合了精确的势能面。误差从 VQE-HF 的约 100 mHartree 降低到了 1.6 mHartree 以下（见图 2a）。

2.2 $F_2$ (10e, 6o) 键断裂

  • 体系特点：由于键级较低且电子排斥剧烈，$F_2$ 是量子化学中著名的难点。其基态与第一个双激发态（$\sigma^2 \to \sigma^{*2}$）之间存在强烈的近简并。
  • MREM 设置：仅选取 2 个 SD。通过简单的 Givens 旋转即可捕捉到 $\sigma$ 与 $\sigma^*$ 轨道的关联。
  • 性能数据：在整个势能面（$1.05 - 2.70 \text{\AA}$）上，MREM 的绝对误差始终保持在 $10^{-3}$ Hartree 数量级，比 REM-HF 提高了一个数量级，比原始 VQE 提高了两个数量级。这证明了即使是极简的多参考修正也能产生显著的效果。

2.3 $N_2$ (6e, 6o) 氮氮三键断裂

  • 体系特点：这是最具挑战性的体系。氮气分子的完全解离涉及极其复杂的多参考性质（三键断裂对应着多个高次激发态的混合）。
  • MREM 设置：选取 3 个 SD。为了实现这种强关联捕捉，必须使用复杂的 $G^{(2)}$ 四量子比特旋转门。
  • 性能数据：由于 $G^{(2)}$ 门需要 14 个 CNOT 门进行分解（见附录 A），这引入了额外的硬件噪声。即便如此，MREM-3SDs 依然修正了 PES 的形状。虽然在极长程处误差略有上升，但在中程关联区域，它显著优于 REM-HF，反映了多参考态在捕捉复杂电子结构方面的独特优势。

2.4 收敛性分析（图 5）

除了能量修正外，研究发现 MREM 还可以作为一种卓越的 VQE 初始化策略。使用 Givens 旋转制备的 MR 态作为起点，VQE 的优化路径更加平滑，迭代次数减少了约 30-50%，且有效避免了在强关联区域陷入局部最小值（Local Minima）。

3. 代码实现细节与复现指南

3.1 软件包依赖

该研究主要基于以下开源生态构建，这为研究人员复现提供了明确路径：

  • Qiskit (v0.13.1)：核心框架。使用 Estimator 模块进行能量评估。采用 Aer 仿真器配合 FakeSydneyV2 噪声模型，模拟真实的去极化和热弛豫误差。
  • PySCF：用于生成分子积分（$h_{pq}, g_{pqrs}$）以及执行经典的 CISD/CCSD/DMRG 计算以获取参考态系数。
  • PennyLane：用于状态向量到行列式系数的转换（通过 import_state 函数）。
  • scikit-quant (ImFil)：采用 ImFil（Implicit Filtering）梯度自由优化器，特别适合处理带有统计噪声的 VQE 能量景观。

3.2 复现逻辑步骤

  1. 哈密顿量构建：使用 PySCF 在 cc-pVDZ 基组下计算哈密顿量，并通过 Qiskit 的 ActiveSpaceTransformer 进行活性空间处理（如 $H_2O$ 选 4 电子 4 轨道）。
  2. 量子比特映射：执行 Jordan-Wigner 变换，并通过 Z2SymmetryTapering 减少量子比特数（如 $H_2O$ 从 8 比特减至 5 比特）。
  3. 多参考态编译：
    • 从经典计算提取前 2-3 个 SD 的系数。
    • 根据公式 12 解出 $\theta_1, \theta_2$。
    • 根据图 4 提供的电路拓扑，在 Qiskit 中编写 StatePrep 电路。
  4. 误差缓解执行：
    • 运行 Estimator.run 测量有噪声的 MR 态能量。
    • 运行变分优化得到基态能量。
    • 套用 MREM 修正公式。

3.3 开源链接提示

虽然论文未直接给出单一的 repo 链接，但核心算法可以利用以下标准库组合实现：

4. 关键引用文献与局限性评论

4.1 关键引用文献

  1. [28] Lolur et al. (2023): 首次提出了 REM 方法，利用 HF 态进行修正。这是 MREM 的理论直接来源。
  2. [56] Arrazola et al. (2022): 证明了 Givens 旋转在量子化学电路中的普遍性和高效性。
  3. [72] Bravyi et al. (2017): 提出了量子比特锥缩（Tapering）技术，对于在 NISQ 设备上模拟分子至关重要。
  4. [15] Peruzzo et al. (2014): VQE 的开山之作。

4.2 局限性评论（技术作者视点）

尽管 MREM 表现出色，但仍存在以下挑战：

  • 电路深度的天花板：正如 $N_2$ 案例所示，当需要包含更多行列式（如 10 个以上）或更高阶激发（三激发、四激发）时，Givens 旋转电路的 CNOT 门数量会迅速膨胀。这种“缓解产生的噪声”可能会抵消“表达力增强带来的收益”。
  • 经典预处理的成本：虽然 MREM 仅需 2-3 个 SD，但对于极大规模体系，识别这些关键 SD 本身可能就需要昂贵的经典多参考计算。这是否会产生新的计算瓶颈？
  • 态制备的通用性：目前的 Givens 旋转主要针对特定的活性空间（Active Space）。对于没有明显活性空间特征的金属固态体系，如何构建紧凑的 MR 参考态仍是悬而未决的问题。

5. 补充内容：从 MREM 到容错计算的桥梁

5.1 为什么 MREM 具有长期价值？

MREM 不仅仅是一个补丁。它实际上代表了量子计算中一种重要的哲学转向：“物理驱动的噪声处理”。与纯数学的误差缓解方法（如 Richardson 外推或概率误差抵消 PEC）相比，MREM 利用了量子系统本身的对称性和关联结构。即使未来进入了早期纠错（Early Fault-Tolerant）阶段，这种通过少量精确参考态来标定量子硬件偏差的思想，依然可以用于验证量子芯片的保真度。

5.2 硬件效率型 Ansatz (HEA) 的协同

在研究中，作者将 MREM 与 $R_Y$-linear 线性连接的硬件效率型 Ansatz 结合使用。这种组合非常精妙：

  • HEA 负责探索变分空间，它简单且易于硬件实现，但缺乏物理对称性。
  • MREM 则通过 Givens 旋转将物理对称性和强关联背景“注入”到结果修正中。 这种“物理背景修正非物理电路”的策略，为目前的 NISQ 研究提供了一个非常务实的模板。

5.3 展望：超越能量修正

未来的 MREM 可以扩展到测量 偶极矩、力常数以及光谱性质。因为多参考态不仅能捕捉能量误差，还能更好地描述电子云分布的畸变。如果能在量子处理器上实现更高保真度的多参考态制备，量子化学模拟将真正步入处理过渡金属催化等工业级难题的大门。

5.4 总结给科研工作者的建议

如果你正在开发量子算法，MREM 的启示是：不要试图在量子计算机上完成所有工作。充分利用经典量子化学积累了 50 年的多参考理论（如 CASSCF 思想），将其转化为浅层量子电路作为参考，往往能产生事半功倍的效果。Givens 旋转门应成为你工具箱中的必备武器。