来源论文: https://arxiv.org/abs/2603.06325v1 生成时间: Mar 09, 2026 17:48

量子物质模拟的新里程碑：在数字量子计算机上制备100位对称保护拓扑序

0. 执行摘要

在凝聚态物理学与量子信息科学的交汇点，模拟具有拓扑序的量子物质态一直是检验量子硬件效能的“金标准”。传统的朗道对称破缺范式无法描述拓扑序，而对称保护拓扑相（Symmetry-Protected Topological phases, SPT）因其非局域的纠缠特性和边缘模式，对量子电路的深度提出了严苛要求。近期，由 IBM Quantum 与 Hartree Centre 等机构的研究人员合作，在预印本 arXiv:2603.06325 中报道了一项突破性进展：他们成功在数字量子计算机上制备了包含 100 个量子位的自旋-1/2 键交替海森堡链（Bond-Alternating Heisenberg Chain, BAHC）的基态，并展示了完整的 SPT 序特征。

该研究的核心贡献在于引入了基于张量网络的高效量子编译协议（AQC），将通常需要极深电路才能构建的 100 位纠缠态压缩到了仅 18 至 39 层的 CNOT 深度。通过在 IBM ibm_pittsburgh 等处理器上的实验验证，研究者们观测到了长程弦序（String Order）、纠缠谱简并（Entanglement Spectrum Degeneracy）以及受保护的边缘模式。这一成果不仅证明了当前嘈杂中型量子（NISQ）设备处理大规模关联系统的潜力，也为研究非平衡量子动力学奠定了坚实基础。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 科学背景：超越朗道范式的 SPT 相

量子多体物理的传统分类依赖于局域序参量和自发对称破缺。然而，SPT 相（如著名的 Haldane 相）在体部不破坏任何对称性，且没有局域序参量。它们的独特之处在于：

  1. 非局域弦序：虽然局域关联函数呈指数衰减，但特定的多位算符关联（弦序）在长程下趋于常数。
  2. 边缘模式：在开放边界条件下，系统边界会出现受对称性保护的有效自由度（如 spin-1/2 自由度）。
  3. 纠缠谱简并：体部纠缠谱呈现特定的简并结构，这是拓扑序的稳健特征。

1.2 理论模型：自旋-1/2 键交替海森堡链 (BAHC)

研究关注的模型是 BAHC，其哈密顿量为：

$$\hat{H} = \frac{1}{4} \sum_{i=0}^{N-2} J_i (\hat{X}_i\hat{X}_{i+1} + \hat{Y}_i\hat{Y}_{i+1} + \hat{Z}_i\hat{Z}_{i+1})$$

其中，$J_i$ 在 $J_0$ 和 $J_1$ 之间交替。根据 $J_0/J_1$ 的比例，系统表现为两种不同的 SPT 相：

  • 奇 Haldane 相 (Odd Haldane phase)：当 $J_1 > J_0 > 0$ 时，边缘存在自由自旋。
  • 偶 Haldane 相 (Even Haldane phase)：当 $J_0 > J_1 > 0$ 时，体部呈现不同的弦序特性。

1.3 技术难点：量子电路深度的“诅咒”

要在数字量子计算机上制备 100 位的基态，主要障碍在于纠缠的建立。对于 gap 系统，关联长度虽有限，但要达到高保真度，所需的变换通常需要深层电路。在 NISQ 时代，每一层 CNOT 门都会引入显著的噪声，导致信号被淹没。传统的 Trotter 演化或变分量子本征求解器（VQE）在处理 100 位规模时，往往因为参数空间过大或电路过深而失效。

1.4 核心方法：AQC-Tensor 编译协议

为了克服深度限制，本研究采用了近似量子编译（Approximate Quantum Compiling, AQC）。其具体流程如下：

  1. 经典预计算（DMRG）：首先利用密度矩阵重整化群（DMRG）在经典计算机上获得目标的矩阵乘积态（MPS）。对于 1D 系统，MPS 是极佳的近似。
  2. 变分优化：设定一个固定深度的“砖墙式”（Brickwork）电路模板。利用张量网络收缩技术，高效地计算电路输出态与目标 MPS 之间的重叠（Fidelity），并最大化该目标函数： $$C = 1 - |\langle \psi | \hat{U}(\vec{\theta}) | 0 \rangle|^2$$
  3. Cartan 分解：电路中的每个双比特门被分解为包含 15 个变分参数的通用 $SU(4)$ 门。这种紧凑的表示法最大限度地提高了电路的表达能力。
  4. 多级压缩：为了进一步提速，研究者先将 100 位的 MPS 压缩到较小的键维数（Bond Dimension $\chi=5 \sim 8$），以此作为编译目标，最后再验证其相对于原始高精度 MPS 的保真度。

这种方法的巧妙之处在于它将复杂的物理演化问题转化为了一个“已知答案”的参数拟合问题，从而在极短的深度内捕捉到了最关键的关联特性。

2. 关键 benchmark 体系，计算所得数据，性能数据

2.1 体系规模与硬件环境

  • 量子比特数：$N=100$。
  • 硬件平台：IBM ibm_pittsburgh（127-qubit Eagle 处理器）。
  • 测试点：选取了相图中的四个代表点：$O_{1/2}$ (奇相), $E_{1/2}$, $E_{-1}$, $E_{-2}$ (偶相)。

2.2 编译性能数据

实验表明，AQC 协议在 CNOT 深度上具有惊人的压缩能力：

状态标签目标 $\chi$编译保真度CNOT 深度CNOT 总数
$O_{1/2}$2298.9%18891
$E_{1/2}$1998.9%211041
$E_{-1}$2699.0%211041
$E_{-2}$4097.9%391932

注：$E_{-2}$ 点由于其关联长度较长，编译难度最大，需要 39 层 CNOT 才能达到约 98% 的保真度。

2.3 物理观测数据分析

2.3.1 弦序 (String Order)

弦序是诊断 SPT 相的关键。研究者测量了长度从 $l=2$ 到 $l=20$ 的弦算符。在应用了零噪声外推（ZNE）后：

  • 偶相 ($E_{-2}$)：在偶数弦序上观测到了显著的非零平台（约 0.8），而奇数弦序趋于零。这清晰地界定了 SPT 相的非局域特征。
  • 奇相 ($O_{1/2}$)：表现出相反的行为，验证了相位的对称性要求。

2.3.2 纠缠谱简并 (Entanglement Spectrum)

通过对 $l=1$ 到 $l=6$ 的子系统进行量子态层析成像（State Tomography），研究者提取了简化的密度矩阵特征值 $\lambda_i$：

  • 在 $E_{-2}$ 态中，切割 $J_0$ 键时，最大特征值表现出明显的双重简并，而切割 $J_1$ 键时则无简并。这种简并性的交替是 SPT 序受对称性保护的直接证据。

2.3.3 边缘磁化 (Edge Magnetization)

对于奇 Haldane 相 ($O_{1/2}$)，理论预测边界会有未配对的有效 spin-1/2。实验测量显示，前 20 个位点的单比特磁化强度呈指数衰减（$\langle Z_i \rangle$），从中提取出的关联长度 $\xi \approx 1.81$，与经典 DMRG 结果高度吻合。

3. 代码实现细节，复现指南，开源项目链接

3.1 软件栈组成

该工作的复现依赖于 IBM 开发的一系列开源量子计算工具：

  1. TeNPy (Tensor Network Python): 用于执行经典 DMRG 计算，获取目标基态的 MPS 表示。
  2. Qiskit SDK: 基础量子编程框架。
  3. AQC-Tensor (Qiskit Addon): 这是本研究最核心的工具，专门用于将 MPS 编译为浅层电路。

3.2 复现步骤指南

步骤 A：获取基态 MPS

使用 TeNPy 定义 BAHC 哈密顿量，并运行 DMRG：

from tenpy.networks.mps import MPS
from tenpy.models.heisenberg import HeisenbergChain
# 设置 J0, J1 参数及 N=100
model = HeisenbergChain({"L": 100, "J": 1.0, "hz": 0.0, ...})
psi = dmrg.run(model, ...)

步骤 B：执行 AQC 编译

利用 qiskit-addon-aqc-tensor 将上一步得到的 psi 转化为电路：

  • 选择 Brickwork Ansatz。
  • 定义层数 $L$（根据保真度需求，建议 $N=100$ 时 $L \ge 3$）。
  • 使用 Adam 优化器最小化目标函数。

步骤 C：硬件部署与错误缓解

  1. Transpilation: 将逻辑电路映射到 Eagle 处理器的重型六角形（Heavy-hex）拓扑上。
  2. Error Mitigation:
    • TREX (Twirled Readout Error Extinction): 缓解读出噪声。
    • Pauli Twirling: 将相干噪声转化为各向同性噪声。
    • ZNE (Zero-Noise Extrapolation): 通过人工放大噪声并外推，获取零噪声极限下的期望值。

4. 关键引用文献与局限性评论

4.1 关键引用文献

  1. [1] R. Haghshenas et al. (2014): 详细定义了 BAHC 模型中的对称性分数化和 SPT 相位图，是本研究的物理基础。
  2. [28] F. Pollmann et al. (2010): 提出了通过纠缠谱简并来识别 1D SPT 相的判据，是本实验的核心诊断工具。
  3. [30] N. F. Robertson et al. (2025): 介绍了 AQC-Tensor 的算法框架，展示了如何利用张量网络加速电路编译。
  4. [43] Z. Cai et al. (2021): 论述了多指数错误外推技术，为实验中的 ZNE 提供了方法论支持。

4.2 局限性与评论

尽管本工作展示了 100 位的惊人规模，但作为严谨的科研视角，仍有几点局限值得注意：

  1. Ansatz 的普适性：Brickwork 电路在处理具有短程关联的 gap 系统（如 BAHC）时效果极佳，但对于临界系统（Gapless）或具有长程纠缠的系统，电路深度可能会随着系统尺寸 $N$ 呈对数或线性增长，AQC 的优势将减弱。
  2. 编译的经典开销：AQC 的优化过程是在经典计算机上完成的。对于更复杂的 2D 系统，获取高精度目标态以及执行变分优化的经典计算成本可能成为新的瓶颈。
  3. 简并度的定量度量：实验虽然展示了纠缠谱的简并趋势，但受限于层析成像的精度和噪声，无法给出严格的简并度定量偏差分析。对于更精细的拓扑不变数测量，仍需更高保真度的逻辑量子比特。

5. 其他补充：量子计算对凝聚态/量子化学的启示

5.1 从 BAHC 到量子化学模拟

BAHC 模型虽然是一个理想物理模型，但其展示的“高效制备特定物理性质态”的方法对量子化学极具启发。在化学体系中，电子关联产生的激发态往往也具有非局域特征。利用 AQC 协议，我们或许可以绕过极其复杂的变分拟合步骤，直接从经典的近似解（如简单的 CASSCF 或低键维 MPS）出发，在量子硬件上“修补”出高精度的关联态。

5.2 软件定义的物质 (Software-Defined Matter)

这项工作真正体现了“数字量子模拟”的威力。在材料合成中，改变键交替比例 $J_0/J_1$ 需要复杂的纳米制备工艺（如文中提到的纳米石墨烯实验）。但在 IBM 硬件上，这仅仅意味着更改几行代码和电路旋转参数。这种高度的可编程性使得研究者能够快速探索相图的每一个角落，甚至包括那些在自然界中极难稳定存在的亚稳态。

5.3 结论

Pennington 等人的工作标志着量子模拟从“展示小尺寸可行性”向“执行大规模物理研究”的转变。100 位的规模不仅是一个数字，它意味着我们已经进入了一个经典精确模拟开始感到吃力的领域。随着 AQC 类协议的成熟，量子计算机作为“高性能张量网络辅助器”的角色将愈发明确，成为物理学家探索强关联量子物质的有力武器。