来源论文: https://arxiv.org/abs/2605.16189v1 生成时间: May 20, 2026 16:32

量子化学非线性矩阵方程新突破：深度解析 Riccati 方程量子求解器

0. 执行摘要

在计算化学领域，解决多体关联问题的精度与计算复杂度之间一直存在着难以调和的矛盾。传统的耦合簇（CC）理论和随机相位近似（RPA）虽然精度极高，但其计算成本随系统规模呈高阶多项式增长，限制了其在大规模生物分子或新型材料设计中的应用。2026年5月，由 Pablo Rodenas-Ruiz、Andrew Zhao 和 Joonho Lee 组成的研究团队发表了题为《Quantum Solvers for Nonlinear Matrix Equations in Quantum Chemistry》的重要论文，提出了一种针对代数 Riccati 方程（CARE）的量子求解器。

该研究的核心贡献在于：首次将非线性矩阵方程的求解转化为关联矩阵不变子空间的块编码（Block-encoding）问题。通过引入 Riesz 投影算子并利用量子奇异值变换（QSVT）和线性组合酉算子（LCU）技术，该算法在处理 $m$-粒子 $m$-空穴 RPA 理论时，实现了相对于系统体积 $V$ 的线性缩放，以及相对于激发秩 $m$ 的多项式缩放。更重要的是，在局部关联启发式假设下，该算法展示了相对于经典算法在激发秩上的指数级优势。这不仅为求解 RPA 方程提供了新工具，更为量子计算机处理非线性张量方程（如完整的耦合簇方程）开辟了技术路径。

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：量子化学中的非线性壁垒

量子计算早期的成功主要集中在多项式复杂度的线性系统（如 HHL 算法）或量子相干模拟（如 Jordan-Wigner 映射）。然而，量子化学中许多精确的关联能计算方法，本质上是非线性的。例如，随机相位近似（RPA）和环状耦合簇倍加（rCCD）理论最终都归结为求解代数 Riccati 方程（CARE）。经典的 CARE 求解器对于密集矩阵的复杂度通常为 $O(N^6)$，即便利用局部关联特性进行优化，其在处理高阶关联（如 $m$-RPA）时仍面临严重的“维度灾难”。如何利用量子硬件的相干特性和稀疏性编码来突破这一非线性方程的计算瓶颈，是本论文试图回答的核心问题。

1.2 理论基础：Riccati 方程与不变子空间

连续时间代数 Riccati 方程（CARE）的一般形式为：

$$XQX - XP - P^\dagger X - R = 0$$

其中 $P, Q, R$ 是已知矩阵，$X$ 是待求解的振幅矩阵。量子化学中，rCCD 或 RPA 的振幅方程可以完全映射到这一形式。

本研究的理论支柱是不变子空间理论。通过构建一个 2N 维的哈密顿矩阵（Hamiltonian Matrix，注意此处指数学定义而非物理哈密顿量）$\mathcal{H}$：

$$\mathcal{H} = \begin{pmatrix} P & -Q \\ -R & -P^\dagger \end{pmatrix}$$

如果能找到 $\mathcal{H}$ 的一个不变子空间（Invariant Subspace），其基向量矩阵为 $\begin{pmatrix} I \\ X \end{pmatrix}$，那么 $X$ 恰好就是 Riccati 方程的解。特别是对于稳定解（Stabilizing Solution），其对应的特征值位于复平面的左半部分（$\\text{Re}(\\lambda) < 0$）。

1.3 技术难点：非正规矩阵的量子挑战

  1. 非正规性（Non-normality）：$\mathcal{H}$ 矩阵通常是非正规的（即 $\mathcal{H}\mathcal{H}^\dagger \neq \mathcal{H}^\dagger \mathcal{H}$），这意味着传统的量子相位估计（QPE）或基于厄米算子的变换失效。其谱性质可能非常病态，微小的扰动可能导致伪谱效应。
  2. 块编码稳定解：如何通过量子电路直接输出 $X$ 的块编码，而不是仅仅制备一个状态 $|X\rangle$。这对于后续计算关联能（涉及 $\\text{Tr}(BX)$）至关重要。
  3. 围道积分的量子实现：在量子硬件上高效实现复平面上的围道积分（Contour Integral）以提取特定特征值范围内的投影算子。

1.4 方法细节：Riesz 投影与平滑半圆围道

研究团队弃用了传统的矩阵符号函数（Matrix Sign Function）迭代法，转而采用基于解析函数的 Riesz 投影算子：

$$\Pi_a = \frac{1}{2\pi i} \oint_{\Gamma_a} (zI - \mathcal{H})^{-1} dz$$

关键步骤如下：

  • 块编码 $\mathcal{H}$：利用系统哈密顿量的稀疏性，通过 LCU 技术将 $\mathcal{H}$ 嵌入到一个更大的酉算子中。作者假设了轨道局部化（Localized Orbitals）带来的稀疏结构，使得 $\mathcal{H}$ 的列稀疏度维持在多项式级别。
  • QSVT 矩阵求逆：对于围道上的每一个点 $z_k$，利用 QSVT 算法实现 $(z_k I - \mathcal{H})^{-1}$ 的块编码。这需要算子具有一定的谱间隙（Spectral Gap） $\delta$。
  • 平滑半圆围道（Smoothed Semicircle Contour）：为了优化收敛速度，作者设计了一种特殊的半圆围道 $\gamma_{SD}(\theta)$，它能有效避开复平面上的特征值点，并保证围道长度受控（$L \approx O(\alpha_H)$）。
  • 梯形法则离散化：将积分转化为有限个点的加权求和，利用 LCU 算法在量子电路上并行实现这些逆算子的叠加，最终获得 $\Pi_a$ 的块编码。
  • 提取 $X$：通过 $\Pi_a$ 的子块 $\Pi_1$ 和 $\Pi_2$，利用公式 $X = -\Pi_2^+ \Pi_1$ 获得解。此处 $\Pi_2^+$ 是 $\Pi_2$ 的伪逆，同样通过 QSVT 实现。

2. 关键 Benchmark 体系与性能数据

由于本研究主要是一篇理论算法论文，其“实验数据”主要体现为严谨的渐近复杂度分析和缩放比例评估。作者针对 $m$-RPA 模型进行了详细的成本核算。

2.1 体系定义：$m$-粒子 $m$-空穴 RPA

$m$-RPA 是对标准 RPA（1p-1h）的推广，包含了直至 $m$ 阶的激发算子。对于系统体积 $V$，$m$-RPA 矩阵的大小为 $O(V^m) \times O(V^m)$。经典求解该方程的成本通常为矩阵维度的三次方，即 $O(V^{3m})$，这在 $m > 2$ 时变得不可行。

2.2 核心性能数据（Gate Complexity）

算法在计算电子关联能量密度（Correlation Energy Density）时的门复杂度如下（忽略多项式对数因子）：

  1. 单电子散射主导态（Single-electron scattering regime）：

    $$C_E^{1e} = \tilde{O} \left( \frac{V M^3_y m^3 R_c^{13D/2}}{\epsilon} \right)$$

    其中，$R_c$ 是关联长度，$D$ 是物理维度，$\epsilon$ 是目标精度，$M_y$ 是逆算子范数的上界。

  2. 双电子散射主导态（Two-electron scattering regime）：

    $$C_E^{2e} = \tilde{O} \left( \frac{V M^3_y m^6 R_c^{19D/2}}{\epsilon} \right)$$

2.3 性能分析与比较

  • 系统体积缩放：该算法实现了关于 $V$ 的线性缩放（$O(V)$）。这是量子优势的关键体现，因为经典方法即便利用稀疏性也难以稳定维持线性复杂度。
  • 激发秩缩放：相对于 $m$ 的多项式级别缩放。作者指出，这意味着在处理复杂多体关联（如激发秩 $m=3$ 或 $m=4$）时，量子算法相比于经典启发式方法（通常随 $m$ 呈指数增长）具有指数级优势。
  • 精度缩放：对于矩阵求逆和围道积分，算法展现了很好的对数级误差收敛性。但在最终能量密度估计中，由于采用了振幅估计（Amplitude Estimation），复杂度与 $1/\epsilon$ 呈线性关系，达到了海森堡极限（Heisenberg Scaling）。

3. 代码实现细节与复现指南

虽然论文本身未直接提供一个即插即用的 Python 包（通常此类前沿研究会先发布理论），但根据文中详述的电路结构（Fig. C1 和 Fig. C2），复现该工作需要以下组件：

3.1 核心算法模块实现

  1. 稀疏矩阵块编码（Sparse Block-encoding）：

    • 利用 QROM 结构加载一体和二体积分。
    • 实现论文 Eq. (4) 中的 $A$ 和 $B$ 矩阵索引映射。
    • 推荐工具：OpenFermion 结合 Cirq。

  2. QSVT 模块：

    • 需要实现多项式逼近函数 $1/z$。对于围道积分，这需要支持复数偏移。可以通过构造厄米矩阵 $\tilde{\mathcal{H}} = \begin{pmatrix} 0 & zI-\mathcal{H} \\ (zI-\mathcal{H})^\dagger & 0 \end{pmatrix}$ 来应用 QSVT。
    • 参考库：pyqsvt 或自定义的算子交替序列。

  3. LCU (Linear Combination of Unitaries)：

    • 用于离散化的围道积分叠加。需要 PREP 和 SEL 算子。
    • PREP 算子需准备 $\sqrt{w_k}$ 的量子态，其中 $w_k$ 是梯形法则的权重。

3.2 复现路线图

  • Step 1: 构造微型分子的 Fock 矩阵（如 $H_2$ 在 STO-3G 基组下）。
  • Step 2: 离线计算哈密顿矩阵 $\mathcal{H}$ 的谱范围，确定平滑半圆围道的参数（$z_0, \omega, R$）。
  • Step 3: 编写程序生成 QSVT 所需的相角序列（Phase Factors）。这通常是最难的一步，建议参考 Gilyén 等人的经典论文。
  • Step 4: 在模拟器中运行 Trace-estimation pipeline（见论文 Fig. E1），通过 Hadamard 测试提取 $\\text{Tr}(BT)$。

3.3 关键开源链接推荐

  • OpenFermion: 用于处理量子化学积分映射的基础库。 GitHub
  • Qualtran: Google 开发的用于高阶量子算法逻辑实现的库，包含大量关于 LCU 和块编码的基元。 GitHub

4. 关键引用文献与局限性评论

4.1 关键引用文献

  1. [5] Harrow, Hassidim, & Lloyd (HHL): 开启了量子矩阵运算的先河，但仅限于线性方程。
  2. [24] Liu et al. (2025): 先前的 CARE 量子求解器。本文在其基础上通过 Riesz 投影突破了对矩阵正定性和对称性的严格限制。
  3. [43] Gilyén et al. (2019): QSVT 的奠基性工作，为本文的矩阵求逆和多项式变换提供了数学框架。
  4. [16] Scuseria et al. (2008): 详细阐述了 RPA 与耦合簇理论中非线性 Riccati 方程的深层物理联系。

4.2 局限性评论

尽管该算法在渐近复杂度上非常诱人，但在实际应用中存在以下挑战：

  1. 谱间隙依赖性：算法的复杂度高度依赖于哈密顿矩阵 $\mathcal{H}$ 到虚轴的最小距离 $\delta$。在窄带隙体系或金属体系中，$\delta$ 会趋近于 0，导致 QSVT 所需的多项式次数急剧增加。
  2. 常量因子过大：量子块编码和 QSVT 虽然在 $V$ 上是线性的，但在初期的量子硬件上，其门操作的常量因子可能非常巨大（即所谓的 $O$ 记号掩盖的常数）。对于 $m=2$ 这样的简单体系，经典计算机可能在很长一段时间内仍更具优势。
  3. 非正规性带来的范数爆炸：对于高度非正规的矩阵，其 resolvent norm $M_y$ 可能在谱范围外依然很大，这会直接增加 LCU 的 sub-normalization 因子，降低量子采样的效率。

5. 其他补充：从 Riccati 到耦合簇的征途

本工作的深远意义不仅在于解决了 RPA 方程，更在于它为量子计算在非线性科学中的应用树立了典范。

5.1 通向耦合簇理论（CC）的桥梁

耦合簇理论（尤其是 CCSD 或 CCSDT）涉及更高阶的非线性张量方程。目前的量子算法大多关注于变分量子特征值求解（VQE）来实现 CC 状态，但 VQE 受限于噪声和贫瘠梯度问题。本论文展示了一种可能性：是否可以将完整的耦合簇方程也转化为某种广义的不变子空间问题？ 如果能实现，我们将不再需要变分优化，而是直接通过投影和求逆获得关联能。作者在结论中提到，这项工作为开发耦合簇理论的量子算法开辟了道路。

5.2 跨学科应用潜力

代数 Riccati 方程不仅出现在量子化学中。在以下领域同样是核心工具：

  • 最优控制（Optimal Control）：LQR 控制器的设计核心就是 CARE。
  • 信号处理：卡尔曼滤波（Kalman Filtering）的稳定增益计算。
  • 结构动力学：大型结构的振动阻尼分析。 这意味着该量子求解器具有极强的跨领域迁移能力，一旦量子硬件达到逻辑比特规模，其影响将远超化学领域。

5.3 结论与展望

Pablo Rodenas-Ruiz 等人的这项工作标志着量子线性代数算法正迈向“非线性时代”。通过将复杂的非线性代数问题转化为几何上的子空间投影，该算法在处理高阶电子关联时展现了传统计算机无法企及的潜力。对于技术作者和科研人员而言，关注此类算法如何优化常数因子、如何结合纠错量子计算架构（FTQC），将是未来五到十年的核心课题。随着量子计算路线图的推进，我们有望在不远的将来，在真实量子硬件上见证对 Riccati 方程的精确求解，彻底改写量子化学的计算疆界。