来源论文: https://arxiv.org/abs/2603.08696v1 生成时间: Mar 11, 2026 03:14

量子化学进入百比特时代：SqDRIFT 算法在半莫比乌斯拓扑分子模拟中的突破性应用

0. 执行摘要

随着量子计算硬件步入“预容错”（Pre-fault tolerance）时代，如何在数百个超导量子比特上执行具有实际化学意义的计算已成为学术界与工业界关注的核心焦点。近日，由 IBM Research Europe 领衔，联合 EPFL、ETHZ 以及曼彻斯特大学等多家顶尖机构，在题为《A note on large-scale quantum chemistry on quantum computers: the case of a molecule with half-Möbius topology》的研究中，展示了利用 SqDRIFT 算法在 100 个量子比特规模下对具有拓扑非平凡性质的 $C_{13}Cl_2$ 分子进行电子结构模拟的成果。

该研究的核心贡献在于：

  1. 算法扩展性：通过 SqDRIFT（随机采样 Krylov 量子对角化）算法，成功将模拟规模从之前的 72 量子比特（36 轨道）扩展至 100 量子比特（50 轨道）。
  2. 硬件实证：在最新的 IBM Heron r3 量子处理器（ibm_pittsburgh）上验证了计算结果，证明了更优的硬件质量结合先进的误差抑制方案能显著提升相关能（Correlation Energy）的计算精度。
  3. 体系复杂性：针对具有独特半莫比乌斯（Half-Möbius）拓扑的分子，利用量子算法捕捉到了传统经典方法难以完整描述的电子关联效应。这一工作标志着量子辅助电子结构计算正从“原理证明”阶段向“实际科研赋能”阶段迈进。

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：超越经典极限的电子对角化

量子化学的核心挑战在于求解多电子体系的薛定谔方程。在给定的基组下，多电子希尔伯特空间的维度随轨道数量呈指数级增长。传统的完全构型相互作用方法（FCI）在处理超过 40 个空间轨道（即对应约 $10^{11}$ 个决定子）时，计算成本已超出当代超级计算机的极限。虽然 CASSCF 等近似方法可以处理特定活跃空间，但对于强关联体系，经典算法往往面临收敛困难或精度不足的问题。

本研究探讨的问题是：能否利用当代量子硬件的相干演化能力，在不显著增加电路深度的情况下，通过随机化采样方法，构建出一个包含关键电子关联信息的子空间，并从中提取高精度的基态能量？

1.2 理论基础：SKQD 与 SqDRIFT

该研究的技术基石是 SKQD（Sample-based Krylov Quantum Diagonalization）和改进后的 SqDRIFT 算法。

  • Krylov 子空间理论：给定哈密顿量 $H$ 和初始参考态 $|\Psi_0 angle$，SKQD 旨在通过连续应用时间演化算子 $e^{-iHt}$ 来构造一个子空间：

    $$\mathcal{K} = \{ |\Psi_0\rangle, e^{-iHt}|\Psi_0\rangle, e^{-2iHt}|\Psi_0\rangle, \dots \}$$

    理论上，通过在该子空间内进行投影并对角化 $H$，可以高效地逼近基态。

  • SqDRIFT 算法逻辑：传统的 Trotter 分解在模拟演化算子时需要极深的电路。SqDRIFT 引入了 qDRIFT（Randomized Compilation）协议，将演化过程转化为一系列随机采样的浅层电路演化序列。哈密顿量被表示为 Pauli 算符的加权和 $H = \sum_k c_k h_k$。SqDRIFT 根据每个项的系数 $c_k$ 大小进行概率采样，生成的每个演化算子 $V_k$ 仅包含固定数量 $N$ 的采样项：

    $$V_k = \prod_{j=1}^N e^{-ih_{k_j} t \lambda / N}$$

    其中 $\lambda = \sum_k |c_k|$。这种方法的优势在于它将“电路深度”的负担转嫁给了“采样次数”，使其更适合当前的 NISQ 硬件。

1.3 技术难点：硬件噪声与电路深度

尽管 SqDRIFT 降低了单次执行的深度，但在 100 量子比特的规模下，硬件相干时间仍然是一个硬约束。技术难点在于：

  1. 泡利算符映射：将分子哈密顿量高效映射至 100 个量子比特，需要精细的活性空间选择。
  2. 随机化开销：qDRIFT 虽然是无偏差的，但为了达到化学精度，需要采集海量的位串（Bitstrings）样原来构建子空间。
  3. 误差缓解：在 100 量子比特规模下，传统的读取误差缓解（Readout mitigation）已力不从心，必须采用更先进的配置恢复方案。

1.4 方法细节：拓扑分子的特殊性

研究选取的半莫比乌斯分子 $C_{13}Cl_2$ 具有 $90^\circ$ 的扭曲 $\pi$ 轨道体系。这意味着准粒子在环上绕行两周后符号才会反转，周期为四周，并携带 $\pi/2$ 的 Berry 相。这种非平凡拓扑对电子关联非常敏感，量子算法通过时间演化能够天然地探测这种动力学特性，相比经典启发式选择决定子的方法（如传统 Selected CI），其采样机制更具物理代表性。

2. 关键 Benchmark 体系，计算所得数据与性能分析

2.1 体系规模与硬件平台

研究团队测试了三个梯度的活性空间：

  • 36 轨道 / 72 量子比特：基准规模，用于与前期工作对比。
  • 40 轨道 / 80 量子比特：中等规模。
  • 50 轨道 / 100 量子比特：前沿规模，此时经典精确对角化已不可能实现。

硬件：采用 IBM 的 Heron r3 处理器（ibm_pittsburgh）。相比于上一代 Falcon 或 Eagle 处理器，Heron 具有更低的门误差和更强的量子体（Quantum Volume）。

2.2 核心数据分析（基于图 3）

研究结果以相关能（Correlation Energy）为纵轴，以空间轨道数为横轴进行展示：

  1. 72 量子比特精度提升：相比于 Ref [1] 中使用 ibm_kingston 得到的结果（图中蓝色三角），本研究在相同规模下使用 ibm_pittsburgh（图中灰色方块）得到了显著更低（更精确）的相关能，且超过了 CASSCF(12,12) 的精度水平。
  2. 规模化趋势：当轨道数增加至 80 和 100 时，计算所得的相关能呈现单调下降趋势。这证明了通过增加活性空间大小，系统能够捕捉到更多的电子关联效应。在 100 轨道下，SqDRIFT 结合 ExtSqDRIFT（扩展 SqDRIFT）得到的能量进一步降低，展现了算法在处理超大规模空间时的收敛性。
  3. 与经典方法的对比：
    • CASSCF(12,12)：作为经典计算的某种“常规上限”，其能量水平在 100 轨道规模下被量子算法成功超越。
    • HCI（热浴构型相互作用）：作为目前最强大的近似经典方法之一，HCI 在 40 和 50 轨道下仍提供了最低的参考能量。SqDRIFT 目前虽然在绝对数值上略逊于最优化的经典 HCI，但其展现出的收敛斜率和对硬件改进的敏感度表明，随着量子门精度的进一步提升，这种差距将快速缩小。

2.3 性能表现：固定预算下的优势

研究强调，从 72 到 100 量子比特的扩展过程中，并没有增加量子电路的深度预算。这种“等深度缩放”是 SqDRIFT 算法的一大杀手锏。通过固定采样配置的数量（子空间维度 $d \approx 10^7$），算法能够在不牺牲硬件稳定性的前提下，利用更多的物理量子比特来换取更高的物理真实度。

3. 代码实现细节与复现指南

3.1 软件包与开源工具链

虽然该论文为实验性质的 Note，但其技术栈高度依赖于 IBM 的开源量子生态系统：

  • Qiskit：基础开发框架，用于电路构建与转译（Transpilation）。
  • Qiskit Nature：用于哈密顿量构建、Jordan-Wigner 映射以及活性空间变换。
  • PySCF：作为后端经典的积分计算引擎，用于生成单体 $h_{pq}$ 和双体积分 $h_{pqrs}$。

3.2 复现步骤建议

  1. 分子几何构建：获取 $C_{13}Cl_2$ 的坐标，利用 PySCF 进行 Hartree-Fock 计算，提取分子轨道积分。
  2. 活性空间映射：使用 Qiskit Nature 的 ActiveSpaceTransformer 选取 36/40/50 个关键 $\pi$ 轨道。
  3. 哈密顿量分解：将哈密顿量分解为 Pauli String 形式。注意利用对称性减少项的数量。
  4. SqDRIFT 采样器实现：
    • 编写采样函数，根据 $|c_k|/\sum |c_k|$ 的权重抽取项。
    • 构建浅层演化电路。在 Qiskit 中，这涉及到 PauliEvolutionGate 的随机组合。
  5. 量子硬件执行：提交至支持 100+ 比特的后端（如 ibm_pittsburgh），设置 error mitigation 选项。主要开启 M3 读取误差缓解或论文提到的“自共轭配置恢复”。
  6. 后处理对角化：收集测量到位串。在经典端构建子空间哈密顿量矩阵 $H_{ij} = \langle b_i | H | b_j \rangle$，其中 $|b_i\rangle$ 是观察到的 Slater 决定子。最后执行经典对角化得到能量基态。

3.3 开源资源链接

4. 关键引用文献与局限性评论

4.1 关键引用文献

  1. [1] Rončević et al. (Science, 2026)：首次合成并表征了半莫比乌斯分子。本研究的所有物理模型均基于此工作。
  2. [12] Piccinelli et al. (2021/2026)：SqDRIFT 算法的理论奠基之作，详细论证了随机采样 Krylov 空间在 NISQ 时代的收敛保证。
  3. [15] Campbell (Phys. Rev. Lett., 2019)：qDRIFT 协议的原创论文，证明了随机演化模拟在算子范数上的优势。
  4. [18] Shirakawa et al. (2025)：提出了自共轭配置恢复方案，是本研究能有效抑制 100 比特规模下硬件噪声的关键。

4.2 工作局限性评论

尽管该工作展现了令人兴奋的前景，但仍存在以下局限性：

  • 对初始态的依赖：SqDRIFT 算法的收敛速度很大程度上取决于初始参考态 $|\Psi_0\rangle$（通常是 HF 态）与真实基态之间的重叠。对于极强关联或多参考体系，如果 HF 态描述极差，算法所需的采样量将呈爆炸式增长。
  • 统计噪声（Shot Noise）：由于采用随机采样，能量结果自带统计波动。在追求毫哈特里（mHa）级别的化学精度时，所需的 Shot 次数可能非常庞大。
  • 绝对精度与经典最前沿的差距：从图中可以看出，SqDRIFT 的结果虽然优于 CASSCF，但仍略高于最先进的经典 HCI 算法。这说明在 100 比特规模下，量子算法虽然“能跑通”且“能扩展”，但在“绝对效率”上尚未全面超越精心优化的经典近似算法。
  • 硬件噪声天花板：即便使用了 Heron 处理器，残留的退相干效应仍限制了 Krylov 空间的有效深度。如果无法进一步提升逻辑门保真度，简单的子空间扩展可能会遭遇精度边际效应递减。

5. 补充解析：拓扑量子化学与未来展望

5.1 为什么选择半莫比乌斯分子？

半莫比乌斯分子不仅仅是一个有趣的化学“拓扑玩具”。它代表了一类特殊的强关联动力学体系。在量子力学中，拓扑性质往往与电子的长程相干相关。这种体系的电子结构不仅取决于局部的化学键，更取决于整体波函数的相位约束。量子计算机由于天生具有模拟相位演化的能力，因此在处理这类“拓扑敏感型”分子时，相比于基于局部构型展开的经典方法（如常见的基于耦合簇 CCSD 的方法），更具本质上的模拟优势。

5.2 戴森轨道（Dyson Orbital）的意义

论文图 2 展示了计算出的戴森轨道。戴森轨道是中性分子基态与阳离子/阴离子态之间的重叠，直接对应于扫描隧道显微镜（STM）实验中观察到的电子云密度分布。SqDRIFT 能够精确复现这类单粒子观测量，意味着量子计算已经可以开始为实验物理学家提供可直接比对的模拟数据，而不仅仅是能量数值。

5.3 展望：量子辅助电子结构（QAES）的路径图

本研究提出的工作流展示了一个明确的路径：

  1. 硬件层：不断增加比特数，降低门错误率（如从 Heron 向更高版本迭代）。
  2. 算法层：SqDRIFT 提供了非参数化、无需迭代优化的方案，完美规避了 VQE 常见的“贫瘠高原”（Barren Plateaus）问题。
  3. 混合层：利用经典超级计算机对量子采集到的决定子子空间进行最后的精确对角化，实现“量子探测采样+经典计算提纯”的最优组合。

总结语： 从 72 比特到 100 比特的跨越，并非简单的数字增长，它代表了我们已经具备了在“经典精确计算禁区”进行有效探索的能力。虽然目前量子算法还在与经典 HCI 等强力近似算法进行拉锯战，但随着硬件误差抑制技术的进步，这种由硬件底层驱动的量子模拟范式，将成为复杂功能材料设计和药物发现中的核心工具。