来源论文: https://arxiv.org/abs/2402.12708 生成时间: Feb 28, 2026 08:10

可编程超导量子处理器上的锥形交叉点量子计算：深度解析

0. 执行摘要

锥形交叉点（Conical Intersections, CIs）在众多光化学过程中扮演着至关重要的角色，它们是决定分子超快无辐射跃迁路径的关键几何构型。传统的量子化学方法，特别是那些需要处理多个电子态和强电子相关的多组态方法（例如状态平均多组态自洽场，SA-CASSCF），在经典计算机上求解电子薛定谔方程时面临巨大的计算挑战，其计算成本随活性轨道数量呈指数级增长。尽管量子计算为这一难题提供了一个潜在的解决方案，但在实际量子硬件上研究CIs的可行性此前仍 largely 未被充分探索。

本研究首次成功地在一台可编程超导量子处理器上实现了混合量子-经典的状态平均完全活性空间自洽场（VQE-SA-CASSCF）方法。该方法结合了变分量子本征求解器（VQE）来解决活性空间问题，并通过经典计算优化分子轨道。研究团队将此方法应用于两个典型的分子体系——乙烯（C2H4）和三原子氢（H3）的CIs研究。

关键成果表明，VQE-SA-CASSCF，辅以持续的硬件和算法增强，能够在现有量子设备上准确描述CIs。这些增强包括：

  1. 硬件稳定性提升：通过优化超导量子处理器的稳定性，包括使用快速复位方法和定期检查门保真度，显著提升了实验的可靠性。
  2. 量子电路优化：针对不同分子体系，采用了更浅层、更高效的变分量子电路（例如，针对乙烯使用UCCSD，针对三原子氢使用qubit-ADAPT），从而减少了对量子相干时间的严格要求。
  3. 测量优化：通过对Pauli项进行分组测量（利用量子比特间的可交换性），有效减少了所需的测量次数，降低了实验开销。
  4. 误差缓解策略：应用了多种误差缓解（Error Mitigation, EM）技术，包括基于对称性投影的EM1和更复杂的利用非物理态信息的EM2，以抑制噪声对计算结果的影响，提高了能量的准确性。
  5. 优化器选择：对于波函数参数的优化，从COBYLA转向了在存在噪声的情况下表现更好的贝叶斯优化器（skopt）。

这些结合策略使得研究人员能够在真实的量子硬件上成功重现乙烯和三原子氢的CIs，并且计算结果与理论模拟结果高度一致。特别是，对于更复杂的H3体系，EM2策略的有效性得到了显著验证，它能够更准确地描述CI并减小能量波动。

本研究不仅为未来在更复杂体系中利用量子计算机研究CIs奠定了基础，也清晰地展示了在NISQ时代，通过软硬件协同优化，量子计算在解决实际科学问题方面的巨大潜力。然而，研究也指出，当前方法仍受限于分子大小和噪声水平，这促使未来进一步探索更高效的量子算法和更稳定的量子硬件。

1. 核心科学问题，理论基础，技术难点，方法细节

核心科学问题：锥形交叉点（Conical Intersections, CIs）

锥形交叉点是分子光化学和光物理过程中至关重要的几何结构。当两个或多个电子态的绝热势能面在某个分子构型处简并时，就形成了锥形交叉点。这种简并允许分子在电子激发态和基态之间，或在不同激发态之间进行超快（飞秒量级）的无辐射跃迁。这些跃迁是许多重要过程的驱动力，例如光异构化、光电离、光催化以及视网膜色素的光化学。准确地计算这些势能面，特别是在CIs区域，是理解和预测分子反应动力学的关键。

在描述CIs时，由于涉及多个紧密相邻的电子态，传统的单参考量子化学方法往往失效。多组态方法，如完全活性空间自洽场（CASSCF）及其扩展方法（如通过包含动力学相关性的方法），成为描述CIs的标准工具。CASSCF方法的核心挑战在于其计算成本：在经典计算机上，活性空间问题（即求解活性空间内的电子薛定谔方程）的计算成本会随活性轨道数量的增加呈指数级增长。对于相对较大的活性空间，这很快就会变得计算上不可行，即便有多种数值方法试图优化计算效率，也无法从根本上克服指数级瓶颈。在某些特殊或复杂的核构型下，CIs的出现使得经典计算的难度进一步提高。

理论基础

本研究旨在通过量子计算来解决CIs的计算挑战，特别是利用混合量子-经典算法的优势。

  1. 电子薛定谔方程：分子和材料的电子结构问题归结为求解电子薛定谔方程：$H\vert\Psi\rangle = E\vert\Psi\rangle$。在二次量子化形式下，哈密顿量$H$表示为：

    $$ H = \sum_{pq} h_{pq} \hat{a}_p^\dagger \hat{a}_q + \frac{1}{4} \sum_{pqrs} U_{pq,rs} \hat{a}_p^\dagger \hat{a}_q^\dagger \hat{a}_r \hat{a}_s \tag{1} $$

    其中$h_{pq}$和$U_{pq,rs}$是分子积分，$\hat{a}_p^\dagger$和$\hat{a}_q$是费米子产生和湮灭算符。为了在量子计算机上解决这个问题，需要将费米子问题映射到量子比特问题。这通常通过Jordan-Wigner、Parity或Bravyi-Kitaev编码完成，之后哈密顿量$H$成为由Pauli项线性组合构成的量子比特哈密顿量，即$H = \sum_k h_k P_k$，其中$P_k \in \{I, X, Y, Z\}^{\otimes N}$。

  2. 完全活性空间自洽场（CASSCF）：CASSCF是多参考方法的基础，它将分子轨道划分为三个子集（见图1a）：

    • 闭壳层轨道（closed-shell orbitals）：双占有，在平均场级别处理。
    • 活性轨道（active orbitals）：部分占有，电子在其中以所有可能的方式分布，并精确求解其内部的电子薛定谔方程。这部分是电子相关的核心所在。
    • 虚拟轨道（virtual orbitals）：零占有，在平均场级别处理。

    CASSCF通过同时优化活性空间内的波函数参数和分子轨道，来描述电子结构。分子轨道优化通过轨道旋转实现，其波函数可表示为：

    $$ \vert\Psi_{CASSCF}\rangle = e^{-\sum_{pq} \kappa_{pq} \hat{a}_p^\dagger \hat{a}_q} \vert\Psi_{core}\rangle \vert\Psi_{act}\rangle \tag{2} $$

    其中$\kappa_{pq}$是一个反厄米特矩阵，描述轨道旋转。通过这种迭代自洽场过程，CASSCF能够有效地处理电子关联。

  3. 变分量子本征求解器（Variational Quantum Eigensolver, VQE）：VQE是一种混合量子-经典算法，适用于当前的噪声中等规模量子（NISQ）设备。它通过变分原理，利用参数化量子电路（PQC）在量子计算机上准备一个试探波函数，然后测量哈密顿量的期望值。经典优化器根据测量结果调整PQC的参数，以最小化能量期望值，从而逼近基态或激发态能量。VQE的优势在于其相对较浅的电路深度要求，使其在NISQ设备上更具可行性。

  4. VQE-SA-CASSCF：本研究的核心方法是将VQE扩展到状态平均（SA）框架，并与CASSCF的轨道优化部分结合。这意味着VQE-SA-CASSCF不仅使用VQE求解活性空间内的多个电子态的能量，还通过经典计算优化这些态所使用的分子轨道。其基本思想是：

    • 对于活性空间内的每个感兴趣电子态$I$，使用VQE（或其激发态扩展版本）来优化波函数参数$x_c$，得到能量$E_I$和约化密度矩阵（RDMs）。
    • 利用所有感兴趣电子态的RDMs（按指定权重加权平均），构建一个状态平均能量函数$E_{av}(x_o)$，并通过经典优化器调整分子轨道参数$x_o$来最小化该函数。
    • 这个过程是迭代的，直到能量和轨道收敛。

技术难点

尽管VQE-SA-CASSCF具有巨大潜力，但在NISQ设备上实现它面临多重严峻挑战：

  1. 顺序执行VQE的挑战：与单电子态的VQE不同，SA-CASSCF通常需要多次顺序求解活性空间内多个电子态的薛定谔方程，以便在每次宏迭代中更新分子轨道，直至收敛。这对于量子硬件的门保真度、相干时间和稳定性提出了极其严格的要求。任何一次VQE计算的失败或精度不足都可能影响整个CASSCF迭代的收敛性。

  2. 量子电路深度：尽管VQE相比量子相估计（QPE）或量子虚时间演化（QITE）需要较浅的电路，但对于化学分子而言，其电路深度仍然可能很大，特别是在使用如UCCSD（统一耦合簇单双激发）等较为通用的参数化量子电路时。深电路容易受到噪声的影响，导致计算结果失真。

  3. 噪声和误差：NISQ设备固有的噪声（去相干、门操作误差、测量误差等）会显著降低计算精度。如何在噪声环境中提取有用的化学信息，是VQE在实际应用中的核心障碍。

  4. 测量开销：Pauli哈密顿量通常由大量Pauli项组成，每个Pauli项都需要单独测量。对于RDMs的计算，也需要测量大量Pauli项。大量测量会增加实验时间、引入额外噪声，并对量子计算机的稳定性造成压力。

  5. 优化器的选择与鲁棒性：在噪声环境中，经典优化器（用于调整PQC参数和分子轨道）可能难以收敛到全局最小值，甚至可能陷入局部最小值。优化器对噪声的鲁棒性至关重要。

  6. 轨道优化对硬件的要求：SA-CASSCF的关键在于轨道优化，这要求通过量子计算机准确地测量1,2-RDMs。这些测量结果的准确性直接影响经典优化器对轨道的调整，进而影响整体方法的收敛性和精度。

方法细节：VQE-SA-CASSCF 工作流程

本研究采用的VQE-SA-CASSCF流程（如图1b所示）包含两个闭环迭代过程：一个用于通过混合量子-经典VQE优化波函数参数（$x_c$），另一个用于在经典计算机上优化分子轨道（$x_o$）。一次宏迭代（macro iteration）是指完成两个参数集的一次更新。具体步骤如下：

  1. Hartree-Fock 初始化：首先进行Hartree-Fock计算以获得一组初始分子轨道（MOs）。这些MOs是CASSCF迭代的起点。

  2. 活性空间哈密顿量构建：利用获得的MOs，构建活性空间哈密顿量，并应用费米子-量子比特变换（如Bravyi-Kitaev变换及其Z2约化）将其转换为量子比特哈密顿量。

  3. 参数化量子电路（PQC）设置：对于活性空间内的每个电子态$I$，设置一个参数化量子电路$U_I(x_c)$，用于准备波函数$|\Psi_{act}^I(x_c)\rangle = U_I(x_c)|0\rangle$。根据分子的复杂性，选择UCCSD（统一耦合簇单双激发）或qubit-ADAPT（自适应导数组装问题定制）作为变分量子电路的ansatz。

  4. VQE 求解活性空间问题：使用VQE或其激发态扩展版本，在量子计算机和经典计算机的混合框架下优化波函数参数$x_c$。这会得到每个电子态$I$的能量$E_I$以及对应的1-粒子和2-粒子约化密度矩阵（1,2-RDMs），即$\gamma_{pq} = \langle\Psi_{CASSCF}^I|\hat{a}_p^\dagger \hat{a}_q|\Psi_{CASSCF}^I\rangle$和$\Gamma_{pqrs} = \langle\Psi_{CASSCF}^I|\hat{a}_p^\dagger \hat{a}_q^\dagger \hat{a}_r \hat{a}_s|\Psi_{CASSCF}^I\rangle$。

  5. 分子轨道优化：利用$M$个感兴趣电子态的1,2-RDMs，定义一个状态平均能量函数$E_{av}(x_o)$：

    $$ E_{av}(x_o) = \sum_I \omega_I \langle\Psi_{CASSCF}^I|\hat{H}|\Psi_{CASSCF}^I\rangle = \sum_{pq} h_{pq}(x_o) \bar{\gamma}_{pq} + \frac{1}{4} \sum_{pqrs} U_{pq,rs}(x_o) \bar{\Gamma}_{pqrs} \tag{3} $$

    其中$\bar{\gamma}_{pq} = \sum_{I=1}^M \omega_I \gamma_{pq}$和$\bar{\Gamma}_{pqrs} = \sum_{I=1}^M \omega_I \Gamma_{pqrs}$，$\omega_I$是第$I$个态在SA-CASSCF中的权重（通常取$1/M$）。然后在经典计算机上优化此函数以获得一组优化的MOs。本研究在步骤5中使用了PySCF包中实现的二阶方法（second-order approach）。

  6. 收敛检查：检查能量是否收敛。如果未收敛，重复步骤(2)-(6)直至达到收敛标准。

硬件与算法增强

为了使VQE-SA-CASSCF实验在NISQ设备上具有鲁棒性，本研究实施了多项硬件和算法层面的改进：

  • 量子处理器：实验在二维方形晶格翻芯片超导量子处理器上进行，该处理器包含63个可调谐量子比特和105个可调谐耦合器。每个量子比特与4个相邻耦合器连接（边缘量子比特除外）。
  • 门保真度：通过细致的校准，实现了双量子比特CZ门的平均误差率低于1%，单量子比特门的误差率约为0.1%。为了缓解系统状态的潜在波动，门保真度每10分钟定期检查。
  • 快速复位：利用快速复位方法将触发重复周期缩短至20微秒，提高了实验效率。
  • qubit-ADAPT：对于更复杂的H3模型，UCCSD ansatz会引入约750个量子门和近40个参数，电路深度过大。为了解决这个问题，使用qubit-ADAPT在无噪声模拟器上生成了更简单的PQC，同时保持了接近1毫哈特里（milli-Hartree）的能量精度。
  • Pauli项分组：针对H3体系，Pauli项数量显著多于C2H4。采用了基于量子比特间可交换性（qubit-wise commutativity, QWC）的分组技术，减少了测量Pauli项的次数（H3中A1态的非零期望值从63个减少到16组，B1态从71个减少到26组）。
  • 优化器：将波函数参数的优化算法从COBYLA替换为在有噪声情况下表现更好的贝叶斯优化器skopt。
  • 误差缓解（EM）策略：
    • EM1（对称性投影）：通过投影掉违反分子空间对称性的非物理态来提高期望值的准确性。例如，对于乙烯，使用投影算符$P_{A'} = \frac{1}{2}(1 + Z_1 Z_0)$和$P_{A''} = \frac{1}{2}(1 - Z_1 Z_0)$来去除非物理贡献。期望值如$(X_1X_0)^{EM} = \frac{\langle X_1X_0 \rangle - \langle Y_1Y_0 \rangle}{1 + \langle Z_1Z_0 \rangle}$进行修正。
    • EM2（结合非物理态信息）：对于H3，进一步改进了EM1，通过回收非物理态的信息来抑制去极化（depolarization）误差对Pauli-Z算符期望值的影响。这种方法考虑了n层量子电路的全局去极化噪声模型，并利用理想密度矩阵的对称子块特性进行修正。当电路较长时，EM2表现出明显优于EM1的性能。

这些精心设计的硬件和算法协同优化，是本研究在NISQ设备上成功实现VQE-SA-CASSCF并准确描述CIs的关键。

2. 关键 benchmark 体系，计算所得数据，性能数据

本研究选取了两个具有代表性的分子体系——乙烯（C2H4）和三原子氢（H3），作为VQE-SA-CASSCF方法在超导量子处理器上研究锥形交叉点（CIs）的基准体系。这两个体系在量子化学中广为人知，能够有效验证新方法的准确性和鲁棒性。

乙烯 (C2H4) 的锥形交叉点研究

体系背景与模型设置

乙烯是光化学中最受关注的分子之一，其S0（基态）和S1（第一激发态）之间的锥形交叉点对于理解其光化学行为至关重要。本研究关注的是扭转角$\phi$固定在90°，同时改变锥化角$\theta$时的势能面。当$\phi = 90°$时，分子具有镜面对称性。研究采用了CAS(2e,2o)模型，即在2个活性轨道中分布2个电子，这两个活性轨道分别具有a’和a’‘对称性（如图2a所示）。

在具体的几何构型上，研究从C2v对称性开始，将C-C键长固定在1.33 Å，所有C-H键长固定在1.09 Å，H-C-H角固定在116.36°。

量子比特映射与电路设计

经过Bravyi-Kitaev变换和Z2约化后，原始的两电子两轨道问题被映射到两个量子比特（Q2和Q3）上。由于在$\phi = 90°$时，最低的两个单重态具有不同的对称性（A’和A’’），VQE可以分别应用于这两个态，并通过适当设计的电路保持空间对称性。具体来说，A’态和A’‘态的活性部分波函数可表示为：

$$ \vert\Psi_{A'}\rangle = c_1\vert a'a'\rangle + c_2\vert a''a''\rangle \tag{4} $$

$$ \vert\Psi_{A''}\rangle = d_1\vert a'a''\rangle + d_2\vert a''a'\rangle \tag{4} $$

在Z2约化后，它们变为：

$$ \vert\Psi_{A'}\rangle = c_1\vert 11\rangle + c_2\vert 00\rangle \tag{5} $$

$$ \vert\Psi_{A''}\rangle = d_1\vert 01\rangle + d_2\vert 10\rangle \tag{5} $$

这些波函数由基于UCCSD（统一耦合簇单双激发）ansatz的PQC（如图2b所示）描述。对于每个Pauli项，每次测量使用8000次shot。

计算结果与性能数据

  1. Pauli项期望值：图2c和2d展示了在量子实验中测量的Pauli项期望值作为波函数参数$\alpha$的函数。实验测量值与理论值非常接近，这表明量子硬件和PQC设计具有良好的初步表现。

  2. 误差缓解（EM）策略：为了进一步提高精度，研究采用了基于对称性投影的误差缓解策略（EM1）。该策略通过投影掉违反空间对称性的非物理组态来纠正期望值（如公式6和7所示）。图3比较了有无EM策略的VQE-SA-CASSCF优化过程：

    • EM前：能量波动较大，收敛不稳定。
    • EM后：A’‘态的能量准确性显著提高，平均能量$E_{av}$的收敛精度达到10-5 Hartree以下。尽管A’态的能量略微升高，这表明该态的误差并非主要来自非物理态，而是物理子空间内的误差。

  3. 势能曲线（PECs）：图4展示了乙烯的最低两个本征态（A’和A’’）的PECs。实验结果与无噪声模拟的理想结果（灰色线）以及更准确的经典NEVPT2计算结果高度吻合。这证实了VQE-SA-CASSCF方法能够准确地捕捉CIs区域的能量变化。

    • CASCI与SA-CASSCF对比：与仅使用Hartree-Fock轨道的VQE-CASCI相比，VQE-SA-CASSCF的轨道优化效果显著。轨道优化不仅改变了两个本征态的相对顺序，还显著改变了锥形交叉点的位置，使其更接近参考数据。这凸显了轨道优化对于准确描述CIs的重要性。

  4. 硬件性能：实验是在一台包含63个可调谐量子比特和105个可调谐耦合器的超导量子处理器上进行的。经过细致校准，双量子比特CZ门的平均误差率低于1%，单量子比特门的误差率约为0.1%。

  5. 计算资源优势：若不使用CAS模型，原始的乙烯问题在cc-pVDZ基组下将需要96个量子比特和巨大的电路深度，远超当前量子模拟器的能力。CAS模型将问题缩小到2个量子比特，展示了其在当前NISQ设备上的实用性。

三原子氢 (H3) 的锥形交叉点研究

体系背景与模型设置

三原子氢（H3）是另一个典型的系统，其基态和第一激发态之间存在一个由对称性决定的锥形交叉点，位于所有等边三角形几何构型处。研究将两个氢原子固定在x轴上（间距0.818 Å），第三个氢原子在z轴上移动（如图6a所示），以探索势能面。等边三角形结构（z $\approx$ 0.708 Å）具有D3h对称性，而在其他z值处具有C2v对称性。为了正确描述CI，需要一个包含3个电子和3个活性轨道的最小活性空间，记为CAS(3e,3o)。相关的MOs（a1, b1, a1）和电子态（基态为B1，第一激发态为A1）如图5所示。

量子比特映射与电路设计

经过Pauli映射和Z2约化后，H3的CAS(3e,3o)问题需要4个量子比特进行模拟（如图5所示）。由于H3比C2H4更复杂，使用UCCSD ansatz会导致约750个量子门和近40个参数，电路深度过大。为了解决这一问题，研究采用了qubit-ADAPT方法在无噪声模拟器上生成了更简单的PQC。对于A1态，优化后的qubit-ADAPT ansatz包含3个操作符；对于B1态，包含4个操作符（如图5b和5c所示）。通过精心选择量子比特，避免了非相邻双量子比特门的引入，从而减少了交换门的需求。

计算结果与性能数据

  1. 硬件与算法优化：

    • 硬件层面：采用了快速复位方法将触发重复周期缩短至20微秒，并每10分钟检查一次门保真度以缓解系统状态的潜在波动。
    • 算法层面：将波函数参数的优化器替换为在噪声环境中表现更好的贝叶斯优化器skopt。同时，针对哈密顿量和2-RDMs中的Pauli项，采用了分组技术，利用量子比特间可交换性来减少测量次数。例如，A1对称性的Pauli项从63个减少到16组，B1对称性从71个减少到26组。

  2. 误差缓解策略（EM1与EM2）：对于H3，研究比较了两种不同的EM策略：

    • EM1（对称性投影）：与C2H4中使用的相同。结果显示，通过EM1获得的PECs能量过高且波动较大，未能很好地重现等边三角形几何构型处的CI。这表明对于电路深度相对较长的四量子比特情况，仅仅去除非物理成分不足以弥补噪声和物理子空间内的误差。
    • EM2（结合非物理态信息）：在EM1的基础上进一步改进，通过利用非物理态的信息来抑制去极化误差对Pauli-Z算符期望值的影响。如图6b所示，EM2策略获得的PECs与理论PECs吻合度更高，CI得到了显著重现，且能量波动显著减小。这表明对于更长的电路，EM2比EM1更具优势。

  3. 势能曲线（PECs）：图6b展示了H3基态和第一激发态的PECs。EM2策略的成功应用证明了近中期量子计算机在结合软硬件改进的情况下，研究锥形交叉点的可行性。

  4. 收敛标准：由于噪声影响的增加，VQE-SA-CASSCF在H3案例中只能以更宽松的收敛标准（$\Delta E_{av} < 3 \times 10^{-3}$ Hartree）收敛。这反映了在处理更复杂体系时，噪声对精度的影响更为显著。

总的来说，对乙烯和三原子氢这两个基准体系的研究，充分展示了VQE-SA-CASSCF方法在当前超导量子处理器上的能力，以及通过结合多项硬件和算法优化来克服NISQ设备局限性的潜力。特别是，H3案例的成功是向更复杂系统迈进的关键一步。

本研究的成功实现依赖于精妙的混合量子-经典架构，其中经典计算机负责计算密集型的分子轨道优化、哈密顿量构建以及结果分析，而量子处理器则负责执行参数化量子电路并测量物理量。由于论文并未直接提供一个集成的开源代码仓库链接，我们主要依据论文描述来推断其实现细节和复现指南，并列出所使用的开源软件包。

代码实现细节

本研究的核心在于VQE-SA-CASSCF方法的混合量子-经典迭代过程，其实现涉及多个模块的协同工作：

  1. 经典量子化学模块：

    • 初始分子轨道（MOs）计算：通过Hartree-Fock方法获得。这是整个CASSCF循环的起点。
    • 活性空间哈密顿量构建：根据选择的活性空间（例如C2H4的CAS(2e,2o)或H3的CAS(3e,3o)），从经典量子化学计算中获取分子积分（$h_{pq}$和$U_{pq,rs}$），并构建二次量子化形式的活性空间哈密顿量。
    • 费米子-量子比特映射：将费米子哈密顿量转换为量子比特哈密顿量。论文提到使用了Jordan-Wigner、Parity和Bravyi-Kitaev编码，并结合了Z2约化技术，以减少所需量子比特的数量。
    • 约化密度矩阵（RDMs）计算与轨道优化：在每次宏迭代中，经典部分接收量子处理器测得的期望值，计算出1-粒子和2-粒子约化密度矩阵（1,2-RDMs）。这些RDMs用于构建状态平均能量函数，并通过二阶优化方法（在PySCF中实现）来更新分子轨道参数（$x_o$）。

  2. 量子计算模块：

    • 参数化量子电路（PQC）构建：针对每个电子态，根据所选的ansatz（如UCCSD或qubit-ADAPT）构建相应的PQC。这些电路的参数（$x_c$）在VQE循环中进行优化。
    • 量子线路执行与测量：PQC在超导量子处理器上执行。执行后，通过测量量子比特的最终状态来获取Pauli项的期望值。为减少测量次数，采用了Pauli项分组技术，将可量子比特级可交换的Pauli项进行合并测量。
    • 误差缓解（EM）：
      • 对称性投影（EM1）：在测量期望值后，通过经典的后处理，利用分子点群对称性投影出非物理态的贡献，从而校正期望值。
      • 更复杂的EM2：对于H3，进一步开发了利用非物理态信息来抑制去极化误差的策略，这需要对量子比特的测量结果进行更精细的统计分析和后处理。

  3. 经典优化模块：

    • VQE参数优化：在VQE内循环中，经典优化器根据量子处理器测量的哈密顿量期望值，调整PQC的波函数参数（$x_c$）。论文提到初期使用了COBYLA，后期为了更好地应对噪声环境，转向了贝叶斯优化器skopt。
    • CASSCF宏迭代控制：整个VQE-SA-CASSCF流程由一个经典的迭代循环控制，管理内层VQE循环和外层轨道优化循环的执行，并检查整体收敛性。

  4. 硬件控制与稳定性：

    • 门校准与监测：定期对单量子比特门和双量子比特门进行校准，并实时监测其保真度，以确保量子操作的精确性。
    • 快速复位：硬件层面实现了量子比特的快速复位功能，缩短了实验的重复周期。

复现指南 (概念性)

复现本研究需要对量子化学、量子算法和量子硬件有深入的理解，并具备访问类似超导量子处理器的条件。

  1. 环境设置：

    • 经典计算环境：安装Python及其科学计算库，以及PySCF（用于经典量子化学计算和RDM处理）。
    • 量子计算库：安装OpenFermion（用于费米子-量子比特映射和哈密顿量处理）、MindQuantum（用于量子电路构建和qubit-ADAPT）等。
    • 优化器：安装skopt（用于贝叶斯优化）以及其他优化库（如SciPy中的COBYLA）。
    • 图处理库：安装NetworkX（用于Pauli项分组）。

  2. 分子体系准备：

    • 选择感兴趣的分子（例如C2H4或H3），定义其几何构型和基组（例如cc-pVDZ）。
    • 通过PySCF执行Hartree-Fock计算，获得初始分子轨道和必要的分子积分。
    • 定义CAS空间（例如CAS(2e,2o)或CAS(3e,3o)）。

  3. 哈密顿量转换与电路生成：

    • 使用OpenFermion等库，将活性空间哈密顿量从费米子形式转换为量子比特Pauli形式。
    • 根据体系复杂性选择ansatz：对于较简单的体系，可以手动构建UCCSD ansatz；对于复杂体系，可以使用MindQuantum结合qubit-ADAPT算法生成定制化的浅层PQC。
    • 应用Z2约化和Pauli映射，确定最终的量子比特数量和哈密顿量形式。

  4. VQE-SA-CASSCF 主循环：

    • 初始化：设置初始PQC参数（$x_c$）和分子轨道参数（$x_o$）。
    • 内循环（VQE）：
      • 对于活性空间内的每个目标电子态：
        • 构建对应的PQC。
        • 将PQC提交到量子处理器执行（或在模拟器上）。
        • 收集Pauli测量结果，应用Pauli分组优化测量。
        • 对原始期望值应用误差缓解策略（EM1或EM2）。
        • 利用优化器（skopt）更新PQC参数$x_c$，以最小化该态的能量。
        • 计算并存储每个态的1,2-RDMs。
    • 外循环（轨道优化）：
      • 利用所有态的加权平均1,2-RDMs，通过经典程序（例如PySCF的二阶方法）优化分子轨道参数$x_o$。
      • 根据新的$x_o$，重新计算分子积分，并更新量子比特哈密顿量。
    • 收敛检查：检查状态平均能量$E_{av}$在宏迭代间的变化是否小于预设阈值。如果未收敛，继续下一次宏迭代。

  5. 数据分析：

    • 绘制势能曲线（PECs），比较实验结果与理论参考值。
    • 分析误差缓解的效果和Pauli分组的效率。

重要提示：本研究的复现需要一台可用的超导量子处理器。如果没有实际硬件，可以使用高性能量子模拟器进行原理性验证，但无法完全重现噪声对结果的影响以及误差缓解策略的实际效果。

论文中提到了以下主要的开源软件包：

  1. PySCF (Reference 68):

    • 功能: 一个强大的开源量子化学计算包，用于执行Hartree-Fock、SA-CASSCF计算、处理分子积分、计算1,2-RDMs以及进行分子轨道优化。在论文中，步骤5的二阶优化方法就是在PySCF中实现的。
    • 开源链接: https://pyscf.org/

  2. OpenFermion (Reference 83):

    • 功能: 一个用于电子结构量子计算的开源库，提供了费米子算符与量子比特算符之间的转换工具（例如Jordan-Wigner变换），并帮助构建量子比特哈密顿量。
    • 开源链接: https://quantumai.google/openfermion

  3. MindQuantum (Reference 84):

    • 功能: 一个面向特定量子设备的量子计算框架，在论文中用于量子电路模拟和qubit-ADAPT算法的实现（在无噪声模拟器上生成定制化的PQC）。
    • 开源链接: https://gitee.com/mindspore/mindquantum/ (访问日期: 2024-01-12)

  4. skopt (scikit-optimize) (Reference 77):

    • 功能: 一个用于序列化模型优化（例如贝叶斯优化）的Python库，在论文中用于优化VQE的波函数参数，尤其是在存在噪声的情况下表现优于COBYLA。
    • 开源链接: https://scikit-optimize.github.io/

  5. NetworkX ([Reference 85]):

    • 功能: 一个用于创建、操纵和研究图结构的Python库，在论文中用于实现Pauli项的分组策略，通过构建图并应用贪婪着色算法来优化测量次数。
    • 开源链接: https://networkx.org/

这些开源工具构成了本研究中经典计算和量子模拟算法实现的基础。需要强调的是，尽管这些工具是开源的，但本研究中涉及的量子硬件控制接口和部分高度定制化的误差缓解代码很可能是团队内部开发的，可能不直接公开。

4. 关键引用文献，以及你对这项工作局限性的评论

关键引用文献解析

本研究建立在量子化学、量子算法和量子硬件的交叉前沿，引用了大量奠基性工作和最新进展。以下是几篇对理解本研究至关重要的引用文献及其关联：

  1. [1] Domcke, W.; Yarkony, D.; Köppel, H. conical intersections: electronic structure, dynamics & spectroscopy; World Scientific, 2004.

    • 关联: 这是一本关于锥形交叉点的经典专著，为理解CIs的物理化学意义、理论基础和在分子动力学中的作用提供了全面的背景知识。本研究的核心科学问题——CIs——正是此书所涵盖的范畴。

  2. [11] Lischka, H. et al. multireference approaches for excited states of molecules. Chem. Rev. 2018, 118, 7293–7361.

    • 关联: 这篇综述深入探讨了多参考方法（包括CASSCF）在处理分子激发态和CIs方面的应用。CASSCF是本研究中用于描述活性空间问题和轨道优化的经典基石，这篇文献提供了其理论背景和重要性。

  3. [30] Tilly, J. et al. the variational quantum eigensolver: A review of methods and best practices. Phys. Rep. 2022, 986, 1-128.

    • 关联: 这是一篇关于VQE的全面综述，涵盖了其理论、算法变体、最佳实践和挑战。VQE是本研究量子计算部分的核心算法，该文献为理解VQE-SA-CASSCF中的VQE组件提供了坚实的基础。

  4. [38] Tang, H. L. et al. qubit-adapt-vqe: an adaptive algorithm for constructing hardware-efficient ansätze on a quantum processor. PRX Quantum 2021, 2, 020310.

    • 关联: qubit-ADAPT算法是本研究中用于H3体系的关键技术，它能够自适应地构建硬件高效且浅层的PQC，从而在NISQ设备上更好地应对噪声。这篇文献直接支持了本研究在电路设计上的创新，特别是在处理更复杂体系时对深层UCCSD电路的规避。

  5. [51] Huang, K. et al. variational quantum computation of molecular linear response properties on a superconducting quantum processor. J. Phys. Chem. Lett. 2022, 13, 9114–9121.

    • 关联: 这篇文献介绍了基于对称性投影的误差缓解策略，该策略被本研究成功应用于乙烯和H3的EM1策略。它展示了如何利用分子对称性来纠正噪声引起的非物理贡献，对于提高VQE结果精度至关重要。

  6. [68] Sun, Q. et al. PySCF: the Python-based simulations of chemistry framework. Wiley Interdiscip. Rev. Comput. Mol. Sci. 2018, 8, e1340.

    • 关联: PySCF是本研究中经典计算部分的核心软件包，负责SA-CASSCF的轨道优化、分子积分和RDM计算。这篇文献介绍了PySCF的功能和应用，凸显了其在混合量子-经典工作流中的关键作用。

  7. [69] Yan, F. et al. tunable coupling scheme for implementing high-fidelity two-qubit gates. Phys. Rev. Appl. 2018, 10, 054062.

    • 关联: 这篇文献描述了本研究中使用的超导量子处理器的硬件基础，特别是其可调谐耦合方案，这对于实现高保真双量子比特门至关重要。理解硬件能力是评估实验结果和局限性的前提。

  8. [78] Wang, R. et al. leveraging junk information to enhance the quantum error mitigation. arXiv preprint arXiv:2402.10480 2024.

    • 关联: 这篇预印本论文描述了本研究中用于H3的更复杂的EM2策略。它提出了利用非物理态信息来抑制去极化误差的方法，展示了误差缓解技术在处理长电路时进一步提升精度的潜力。

这些文献共同构成了本研究的理论和技术支撑，展示了从基本原理到先进实验技术的全面融合。

对这项工作局限性的评论

尽管本研究是量子计算应用于锥形交叉点研究的开创性工作，并取得了令人瞩目的成就，但仍存在一些明显的局限性，反映了当前NISQ设备和相关算法的普遍挑战：

  1. 分子体系规模受限：

    • 本研究仅能处理小型分子体系（乙烯为2量子比特，H3为4量子比特）。这主要是由于当前NISQ设备的量子比特数量有限、相干时间短以及门错误率较高。虽然CAS模型有效地降低了所需的量子比特数量，但对于更复杂、更具化学挑战性的体系（例如，涉及更大活性空间、更多电子的有机分子），这种规模仍然远远不够。
    • 扩展性：从4个量子比特扩展到10个、20个或更多量子比特的系统，将面临指数级增长的噪声积累、电路深度、参数数量和测量开销。目前的方法难以直接扩展到中等大小的活性空间（例如CAS(8e,8o)），这才是经典方法真正遇到瓶颈的区域。

  2. 噪声与误差缓解的挑战：

    • 固有噪声：NISQ设备固有噪声是核心限制。即使通过精细的校准和硬件优化（如快速复位），噪声仍然显著影响计算结果。H3的实验结果表明，即使有EM，其收敛标准也必须放宽（$\Delta E_{av} < 3 \times 10^{-3}$ Hartree），这远未达到化学精度（1 kcal/mol或约$1.6 \times 10^{-3}$ Hartree）。
    • EM的局限性：虽然对称性投影（EM1）和更复杂的EM2策略有效地改善了结果，但EM并非万能药。EM策略本身也可能引入额外的计算开销（例如，增加测量次数或后处理复杂度），并且其效果依赖于对噪声模型的假设。对于未知或更复杂的噪声类型，现有EM可能不足。
    • 物理子空间内误差：论文指出，对于A’态，EM策略导致能量略高，表明误差并非主要来自非物理态，而是物理子空间内的误差。这类误差更难通过对称性投影等方式缓解，需要更底层的硬件改进或更精密的物理误差校正技术。

  3. 计算资源与效率：

    • 混合范式开销：VQE-SA-CASSCF的混合量子-经典性质意味着大量数据需要在量子和经典处理器之间传输，并进行多次迭代。每次宏迭代都包含多次VQE计算，这本身就是资源密集型的。
    • 顺序VQE挑战：如论文所述，SA-CASSCF需要顺序执行多个VQE计算来更新分子轨道，对量子处理器的稳定性提出了“严格要求”。这种顺序性限制了计算速度，并增加了对长时间稳定运行的需求。
    • 经典计算瓶颈：尽管量子部分处理活性空间，但经典部分的轨道优化和RDM处理仍然可能是瓶颈，尤其是对于更大的活性空间。经典优化器在噪声数据下寻找最优参数也可能变得低效。

  4. 电路深度与Ansatz设计：

    • qubit-ADAPT的局限：尽管qubit-ADAPT生成了较浅的电路，但在H3案例中，电路深度仍足以受到显著噪声影响。设计普适、硬件高效且能达到化学精度的ansatz仍然是量子算法研究的活跃领域。
    • UCCSD的局限：UCCSD ansatz虽然是系统性的，但其电路深度通常较大，对于当前的NISQ设备来说往往过于深层，难以实现。

  5. 硬件依赖性与普适性：

    • 本研究的结果与特定的超导量子处理器紧密相关。不同的量子硬件平台（如囚禁离子、光子系统等）具有不同的噪声特性和连接拓扑，可能需要不同的算法优化和误差缓解策略。本研究的成功经验可能难以直接平移到其他平台上。

总而言之，本研究是量子化学领域的一个重要里程碑，展示了NISQ设备在特定复杂问题上的潜力。然而，要将这些技术推广到实际化学研究中具有挑战性的大分子和复杂反应，还需要在量子硬件（更多的量子比特、更低的噪声）、量子算法（更高效的ansatz、更鲁棒的误差校正）和经典-量子协同优化方面取得突破性的进展。

5. 其他必要补充

科学意义与影响力

这项工作标志着量子计算在解决实际量子化学问题，特别是处理复杂多参考系统方面迈出了坚实的一步，具有深远的科学意义和影响力：

  1. 首个在真实硬件上实现CI计算：这是首次在真实的可编程超导量子处理器上成功实现VQE-SA-CASSCF方法来研究锥形交叉点。这一里程碑式的成就，将量子计算从理论模拟和小型概念验证阶段，推进到解决特定化学挑战的实际应用层面。它证明了NISQ设备在特定条件下具备处理具有化学相关性问题的潜力。

  2. 揭示多电子态关联的潜力：锥形交叉点涉及强电子关联和多电子态之间的相互作用，是经典计算难以准确描述的“圣杯”问题。本研究利用量子比特的叠加和纠缠特性来模拟活性空间内的电子关联，为传统方法无法处理的大活性空间问题提供了新的解决途径。虽然当前规模有限，但其原理性验证为未来的扩展奠定了基础。

  3. 推动硬件与算法协同发展：本研究的成功并非单一维度的突破，而是硬件工程师和算法研究人员紧密合作的结晶。通过对硬件（如快速复位、门校准）和算法（如qubit-ADAPT、Pauli分组、EM2）的协同优化，才得以在噪声环境中取得可靠结果。这强调了在NISQ时代，量子计算的进步需要跨学科的深度融合和持续迭代。

  4. 为非绝热动力学研究奠定基础：锥形交叉点是理解光化学反应中非绝热动力学的核心。能够准确计算和定位CIs是模拟分子在这些交叉点附近行为的第一步。本研究为未来在量子计算机上模拟更复杂的非绝热分子动力学过程铺平了道路，有望提供经典方法难以企及的视角。

  5. 启发未来量子化学研究方向：这项工作提出了许多引人深思的问题，例如如何选择最佳的量子求解器来解决活性空间问题、如何开发更具可扩展性和鲁棒性的硬件高效ansatz [79, 80]、以及如何设计更好的策略来提高量子处理器的稳定性以应对大量迭代。这些问题将驱动量子化学和量子信息科学领域未来的研究方向。

未来发展方向

本研究的成功同时也指明了未来需要克服的挑战和可能的研发方向：

  1. 量子硬件的持续进化：

    • 增加量子比特数量：为了处理更大的分子体系和活性空间，需要大幅增加可用量子比特的数量。
    • 提高门保真度和相干时间：更低的门错误率和更长的量子比特相干时间是减少噪声、降低误差缓解负担的关键。超导量子处理器的进一步工程改进，如更好的量子比特设计、更优的耦合机制、以及更低的温度操作，都将至关重要。
    • 提升连接性：更好的量子比特互联拓扑将减少交换门的需求，从而缩短电路深度。

  2. 更先进的量子算法：

    • 更高效的Ansatz设计：需要开发更加硬件高效、同时具备化学普适性和系统可改进性的ansatz。例如，将机器学习技术与ansatz设计相结合，或者开发能更好地利用分子对称性的ansatz。
    • 优化VQE迭代：探索更快的VQE收敛策略，例如使用量子梯度下降方法或更智能的经典优化器与量子反馈相结合。
    • 替代性量子求解器：除了VQE，还可以探索其他量子算法在活性空间问题上的应用，例如量子相估计（QPE）在具备容错量子计算机时的潜力，或基于量子线性方程组求解器的方案。

  3. 误差缓解与容错量子计算：

    • 更鲁棒的EM策略：开发对噪声模型依赖性更小、通用性更强、且开销更低的误差缓解技术。例如，自适应地调整EM策略以应对不同噪声水平和类型。
    • 迈向容错量子计算（FTQC）：最终的解决方案是实现容错量子计算，通过量子纠错码从根本上克服噪声问题。虽然这是长期目标，但当前的NISQ研究可以为其路径提供宝贵经验和技术积累。

  4. 经典-量子协同优化：

    • 更智能的接口：优化经典计算机与量子处理器之间的数据传输和任务调度，减少通信延迟。
    • 融合算法：开发更紧密耦合的混合算法，使得经典和量子部分能够更无缝地协同工作，例如，允许量子结果直接指导经典优化决策，或反之。

  5. 与分子动力学的整合：

    • 将VQE-SA-CASSCF获得的势能面与量子加速的分子动力学模拟相结合，以实现对光化学反应路径的从头算模拟，这将是量子化学计算的终极目标之一。这包括计算非绝热耦合和能量梯度等动态属性。

与经典方法的对比

经典CASSCF方法是处理电子强关联和多参考问题的黄金标准。然而，其计算成本的指数级增长使其在面对较大活性空间时（通常指活性轨道数超过12-14个）迅速变得不可行。例如，一个CAS(14e,14o)的计算在经典计算机上将耗费天文数字般的资源。

量子计算的潜在优势在于，它可以利用量子比特的叠加和纠缠特性来直接表示和处理指数级大的波函数空间。VQE-SA-CASSCF通过将活性空间问题映射到量子比特上，理论上可以避免经典方法在处理活性空间内的电子关联时遇到的指数级瓶颈。这意味着随着量子硬件的进步，量子计算机有望在未来处理经典方法无法触及的更大活性空间。

然而，当前NISQ设备面临的噪声、量子比特数量和相干时间限制，使得VQE-SA-CASSCF目前只能处理非常小的活性空间（如本研究中的2轨道和3轨道）。在这种小规模下，经典CASSCF算法已经非常高效和准确。因此，本研究的意义在于原理性验证和技术铺垫，而非立即超越现有经典方法的性能。随着量子硬件和算法的成熟，实现“量子优势”的潜力巨大。

跨学科性质与实践挑战

本研究的成功凸显了现代科学研究日益增长的跨学科性质。它汇集了量子物理学（超导量子硬件）、计算机科学（量子算法设计、优化器、数据处理）和理论化学（分子结构、势能面、CIs理论）的知识和技能。这种合作是推动量子技术在科学领域应用的关键。

在实践中，设置和运行此类量子化学实验面临巨大挑战：

  • 硬件可访问性与专业知识：访问先进的量子处理器本身就是一个门槛，同时还需要具备操作这些复杂设备和理解其特性的专业知识。
  • 实验校准：量子硬件需要极其精细的校准，以确保门操作的准确性。这通常是一个耗时且需要高度专业技能的过程。
  • 数据采集与处理：从量子处理器获取原始测量数据，然后进行复杂的后处理（包括误差缓解），是计算流程中不可或缺且计算量大的部分。
  • 软件栈的成熟度：虽然开源量子库在不断发展，但将它们集成到一个无缝的工作流中，并针对特定硬件进行优化，仍然需要大量的开发工作。

NISQ时代的展望

本研究是NISQ时代量子计算应用的一个典范。它清晰地展示了，即使在存在噪声和资源受限的情况下，通过巧妙的算法设计、精心的硬件优化和先进的误差缓解技术，量子计算机仍然能够解决具有科学意义的问题。虽然距离实现真正意义上的“容错”量子计算还有很长的路要走，但像本研究这样在特定领域取得突破的工作，正在逐步拓宽NISQ设备的适用范围，并加速量子技术从实验室走向实际应用的进程。

这些成果不仅增强了社区对量子计算未来潜力的信心，也为如何有效利用现有量子资源提供了宝贵的经验和指导，进一步推动了量子计算的理论和实验研究。