来源论文: https://arxiv.org/abs/2606.19083v1 生成时间: Jun 18, 2026 06:50

0. 执行摘要

在 NISQ（有噪声的中等规模量子）时代向 FTCQ（容错量子计算）过渡的关键节点上，量子线性代数（Quantum Linear Algebra, QLA） 已成为主导量子化学模拟、材料科学计算和微分方程求解的核心底层技术。而在 QLA 的所有实现路径中，块编码（Block Encoding） 与 幺正线性组合（Linear Combination of Unitaries, LCU） 是构建量子特征值变换（QET/QSVT）及各类量子算法的核心基石。

然而，传统的 LCU 与块编码方法在面对多体相互作用哈密顿量（如量子化学中的分子哈密顿量或凝聚态中的自旋链模型）时，面临着两大根本性瓶颈：

1. 泡利弦（Pauli Strings）的组合爆炸：直接将演化算符或多项式展开为泡利算符和，会导致泡利分支数随模拟精度和系统规模呈 $O(N^K)$ 指数级或高阶多项式级增长，极大增加了量子电路的 PREPARE 和 SELECT 步骤的复杂度。
2. 局部幺正化膨胀（Dilation Normalization Penalty）：若采用现有的张量网络（如 MPO）块编码方案，通常需要对局部张量进行直接的幺正扩张。这种“先扩张，后组合”的策略会导致全局归一化因子 $\alpha_{dil}$ 随系统尺寸 $N$ 呈指数级增长（对于海森堡模型，$\alpha_{dil} \approx 0.232(1.43)^N$），从而在振幅放大（Amplitude Amplification）阶段引入无法承受的开销。

来自美国橡树岭国家实验室（ORNL）的 Eugene Dumitrescu 在其最新论文《Matrix Product Operators In The Age of Block Encoding》中，提出了一种突破性的编译范式：将矩阵乘积算符（MPO）视为在虚拟路径（Virtual Paths）上进行压缩的 LCU 程序。该方法不直接编译哈密顿量 $H$ 本身，而是直接在经典经典预处理中将目标幺正演化算符（如 $e^{-itH}$）或任意多项式算符 $P(H)$ 编译并压缩为 MPO 形式，随后利用**有限状态自动机（Finite-State Automaton）**的转移机制，在量子电路上以条件状态准备（Conditional Preparation, CPREP）和局部选择（Local Selection, SELECT）的方式实现极轻量化的块编码。

这一方法具有多项显著优势：

• 规避了泡利弦增长：利用 MPO 的辅助虚拟轴（Bond Index）实现了泡利弦关联性的强压缩；
• 消除了指数级归一化惩罚：避免了对非幺正算符 $H$ 的直接扩张，将归一化常数 $\alpha_{MPO}$ 控制在温和的常数级水平（如对于测试的海森堡模型，$\alpha_{MPO} \approx 2.0 \sim 3.5$）；
• 多项式级级复杂度加速：电路复杂度从组合爆炸级别降至仅与 MPO 键维度（Bond Dimension, $\chi$）和空间尺寸 $N$ 呈多项式关联的水平（$C_3 \sim \alpha_{MPO} N \chi^2$）。

对于量子化学研究人员而言，这套方案为将经典张量网络方法（如 DMRG, MPS, MPO）与容错量子算法（LCU, QSVT）深度融合提供了一条极其清晰、可行且极具工程实用价值的演进路线。

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

经典张量网络（Tensor Networks, TN）和现代量子算法（Quantum Algorithms）在过去十几年中分别独立发展。张量网络（尤其是矩阵乘积态 MPS 和矩阵乘积算符 MPO）在经典计算机上极其擅长压缩和表达一维及准一维强关联体系的波函数与物理量；而量子算法（如 LCU、块编码）则试图在真实的量子硬件上实现对高维希尔伯特空间的无损操控。

两者的交叉点在于：如何高效地将经典压缩好的张量网络数据结构编译为量子电路上的算符块编码？

如果将 MPO 仅仅视为一个待块编码的密集矩阵，就忽略了其本身所蕴含的局域关联和代数结构；如果简单地对 MPO 的每个格点张量进行局部幺正扩张（Local Unitarization），又会产生指数级增长的归一化因子，使量子算法失去实际加速优势。因此，本工作的核心科学问题是：如何将 MPO 内部的经典虚拟键（Virtual Bonds）关联机制无缝映射为量子电路中受控辅助比特的相干转移机制，实现局部归一化因子的全局无缝衔接？

1.2 理论基础：从 MPO 到虚拟路径 LCU

1.2.1 矩阵乘积算符 (MPO) 的定义

对于一个作用在 $N$ 个格点（每个格点物理维度为 $d$）上的算符 $M$，其 MPO 形式定义为：

其中，$\mathbf{s} = (s_1, \dots, s_N)$ 和 $\mathbf{t} = (t_1, \dots, t_N)$ 分别为物理输出和输入基底；$\mathbf{a} = (a_1, \dots, a_{N-1})$ 为虚拟键索引（Virtual Bond Indices），其最大取值范围即为键维度 $\chi$。

定义第 $n$ 个格点上的局域算符块为：

则 $M$ 可以通过虚拟索引的矩阵收缩写为：

1.2.2 局域幺正基底展开

为了将局域算符块 $O^{[n]}_{a,b}$ 转换为量子电路上可操作的幺正算符，我们选择一组局域幺正算符基底 $\mathcal{P} = \{P_\mu\}_{\mu=1}^{q}$（对于比特系统，$q=4$，基底即为泡利算符 $\{I, X, Y, Z\}$）。我们可以将每个局域算符块在该基底上展开：

这里的展开系数 $W^{[n], \mu}_{a,b}$ 是一个复数，可以通过内积（转移矩阵）高效计算：

1.2.3 虚拟路径 LCU 形式的重构

现在，我们将全局 MPO 进行展开。首先定义一条 虚拟转移路径（Virtual-Transition Path） $\gamma$ 为：

每一条确定的路径 $\gamma$ 对应一个全局泡利弦 $P_\gamma = P_{\mu_1}^{(1)} \otimes P_{\mu_2}^{(2)} \otimes \cdots \otimes P_{\mu_N}^{(N)}$。该路径上的总系数 $c_\gamma$ 为各格点展开系数沿路径的乘积：

因此，原本庞大的算符 $M$ 成功被改写为了 LCU 形式：

这里的 $\Gamma$ 代表所有合法路径的集合。虚拟键维度 $\chi$ 扮演了有限状态自动机的角色，它通过剪枝和关联限制，大幅压缩了原本呈指数级繁衍的路径数量。

1.3 技术难点 1：高效计算与控制 MPO 归一化常数 $\alpha_{MPO}$

在 LCU 算法中，全局归一化常数 $\alpha = \sum_\gamma |c_\gamma|$ 直接决定了状态准备的成功率。若 $\alpha$ 过大，则量子算法在振幅放大阶段（Amplitude Amplification）需要极高的迭代次数，电路深度随之急剧增长。

如果直接对公式 (1.8) 进行求和计算 $\alpha_{MPO}$，将需要求和 $\chi^N$ 项，这在经典上是不可行的。本工作的精妙之处在于，由于其局域因式分解结构，$\alpha_{MPO}$ 可以通过张量网络的高效收缩在线性时间内完成精确求解。

定义格点 $n$ 处的 绝对值转移矩阵（Absolute Transition Matrices） $A^{[n]}$：

边界处定义为：

那么，全局 LCU 归一化常数 $\alpha_{MPO}$ 的精确值可以直接表示为这些绝对值矩阵的收缩：

由于每次收缩仅涉及维度为 $\chi \times \chi$ 的矩阵与向量乘法，计算复杂度仅为 $O(N \chi^2 q)$，可以在经典计算机上以毫秒级完成。

1.4 技术难点 2：逐级条件状态准备（Conditional Preparation, CPREP）

如何在线性级量子辅助比特上，动态准备出振幅精确正比于 $\sqrt{|c_\gamma|}$ 的量子叠加态？ 本论文引入了后向消息（Backward Messages） $\beta_n$ 的概念。其本质类似于经典概率图模型中的信念传播（Belief Propagation）。

从最后一个格点 $N$ 开始，后向递推定义：

边界条件处，有：

这些后向消息 $\beta_n(a_{n-1})$ 充当了“局部条件配分函数”的角色。借助它们，我们可以将一个全局复杂的概率分布因式分解为逐格点的条件概率叠加准备：

1. 格点 1 的状态准备 CPREP_1：

   $$\text{CPREP}_1 |0\rangle = \sum_{\mu_1, a_1} \sqrt{\frac{|W^{[1], \mu_1}_{a_1}| \beta_2(a_1)}{\alpha_{MPO}}} |\mu_1, a_1\rangle \quad (1.15)$$

2. 中间格点 $n$ 的条件状态准备 CPREP_n（受控于前一格点传入的虚拟索引 $a_{n-1}$）：

   $$\text{CPREP}_n |a_{n-1}\rangle |0\rangle = |a_{n-1}\rangle \sum_{\mu_n, a_n} \Omega_{\mu_n, a_n} |\mu_n, a_n\rangle \quad (1.16)$$

   其中条件振幅为：

   $$\Omega_{\mu_n, a_n} = \sqrt{\frac{|W^{[n], \mu_n}_{a_{n-1}, a_n}| \beta_{n+1}(a_n)}{\beta_n(a_{n-1})}} \quad (1.17)$$

3. 最后一格点 $N$ 的准备 CPREP_N：

   $$\text{CPREP}_N |a_{N-1}\rangle |0\rangle = |a_{N-1}\rangle \sum_{\mu_N} \sqrt{\frac{|W^{[N], \mu_N}_{a_{N-1}}|}{\beta_N(a_{N-1})}} |\mu_N\rangle \quad (1.18)$$

通过这一设计，所有条件概率的乘积在相干叠加后，完美抵消了中间的后向消息因子 $\beta_n$，最终精确留下了分母 $\alpha_{MPO}$ 与分子 $|c_\gamma|$，即：

1.5 高级电路编译架构

传统的 LCU 电路要求先完整执行整个 PREPARE 电路，然后再执行庞大的 SELECT。而在虚拟路径 LCU 中，由于格点间的局部可交换性，我们能够将 CPREP_n 与 SELECT_n 交叉放置（即在制备出第 $n$ 格点的控制比特后，立即执行该格点的局部选择，随后再进行下一格点的制备）：

|an-1> ---------*-----------------*-------------------------
                |                 | 
|0>_μn  ----[COND-PREP_n]------[PHASE_n]--------------------
                |                 | 
|0>_an  --------*-----------------|-------------------------
                                  | 
|ψn>    -----------------------[P_μn^(n)]-------------------

这一交叉编译策略不仅极大地压缩了辅助比特的相干生存时间（Coherence Lifetime），也使得算符的逐级作用在时序上高度紧凑。全局幺正电路 $U$ 可以写为：

2. 关键 Benchmark 体系、计算数据与性能分析

作者在数值验证中设计了极具代表性的自旋链模型，重点考察了其在不同系统规模 $N$ 和泰勒级数展开阶数 $K$ 下的键维度（Bond Dimension）收敛行为、归一化常数行为以及电路复杂度变化。

2.1 测试 Benchmark 体系

1. 各向同性 Heisenberg 链 (Uniform Heisenberg Chain):

   $$H(J, N) = J \sum_{i=1}^{N-1} \vec{S}_i \cdot \vec{S}_{i+1} \quad (2.1)$$

   其中 $\vec{S}_i = (S^x_i, S^y_i, S^z_i)$ 为自旋-1/2 算符。这是一个典型的一维可积强关联模型。

2. 带 site 相关外场的 Heisenberg 链 (Heisenberg with X/Z Fields): 为了模拟非可积的通用真实物理环境，添加了确定性的空间振荡外场：

   $$H_2 = H(J, N) + \sum_{i=1}^N \sum_{\mu=x,y,z} h_{\mu, i} S^\mu_i \quad (2.2)$$

   其中外场被设为正弦/余弦空间调制函数（例如 $h_{x, j} = 0.73 + 0.21\sin(1.173j + 0.31)$ 等）。

3. 二聚化 Heisenberg 链 (Dimerized Heisenberg Chain): 模拟具有交替相互作用强度的拓扑多体体系：

   $$J_i = J + \delta(-1)^i, \quad \delta = 0.5 \quad (2.3)$$

2.2 核心数值结果与数据分析

2.2.1 算符幂次 $H^K$ 的 MPO 键维度 $\chi$ 收缩行为

传统的 LCU 方法中，哈密顿量的高阶幂次 $H^K$ 会导致泡利分支数呈 $5^K$ 级数增长。然而，本研究在经典经典预处理中，利用经典张量网络方法对 $H^K$ 进行多项式级别的 MPO 乘积与截断（SVD），其实际表现令人振奋。

根据论文 Figure 1 的数据，在设定 Frobenius 误差截断阈值为 $10^{-6}$ 的情况下：

• 当 $K=2$ 时，重建 $H^2$ 的最大键维度仅需 $\chi = 10$；
• 当 $K=3$ 时，最大键维度仅需 $\chi = 16$；
• 当 $K=4$ 时，最大键维度仅需 $\chi = 24$。

更为关键的是：这一键维度 $\chi$ 表现出对系统规模 $N$（从 $N=8$ 变化到 $N=64$）的完全独立性！这证明了强关联系统的高阶幂次算符中存在着极强的局域代数关联，经典 MPO 压缩能完美且无损地捕获这些关联。

2.2.2 演化算符 $P_\chi(t) \approx e^{-itH}$ 的收敛与精度行为

由于 Taylor 级数中高阶项受到了 $\frac{(-it)^k}{k!}$ 的强压制，时间演化算符 $P_\chi(t)$ 的 MPO 压缩效果甚至优于单纯的哈密顿量幂次。

根据 Figure 2 展示的相对 Frobenius 误差：

• 对于规模高达 $N=64$ 个自旋格点 的系统，在演化时间 $t = 0.5$ 和 $t = 1.0$ 的情况下；
• 仅需键维度 $\chi = 16$，即可将演化算符的 Frobenius 误差压制在 $10^{-6}$ 以下；
• 对于更小的键维度 $\chi = 8$，其误差也能稳定在 $10^{-4}$ 附近。 这表明基于 MPO 的 LCU 电路可以以极小的辅助比特开销实现极高精度的量子化学状态演化。

2.2.3 归一化因子 $\alpha_{MPO}$ 比较：彻底击败指数惩罚

这是本论文最核心的性能突破。论文对三种不同的块编码电路构建路径进行了量化对比：

1. H-first 局部幺正扩张路径：其全局归一化常数表现出强烈的指数级增长：

   $$\alpha_{dil}(H) \approx 0.232(1.43)^N \quad (2.4)$$

   当 $N=64$ 时，该数值大到完全无法进行量子计算。

2. 传统 Pauli-LCU 路径：尽管没有局部幺正化带来的指数归一化惩罚，但由于泡利项数量呈 $\mathcal{O}(N^K)$ 的组合爆炸，其电路制备难度同样不可行。

3. 本工作（Compiled-MPO 路径）：直接对演化算符多项式 $P_\chi(t)$ 进行 MPO 整体块编码。

根据 Figure 3 提供的实际测量数据：

• 在 $N$ 从 $4$ 增大到 $32$ 的全范围内，不管是否加入非可积外场或二聚化调制，$\alpha_{MPO}(P_\chi)$ 始终保持在极其温和的 $2.0$ 到 $3.5$ 之间！
• 几乎呈现出随系统规模 $N$ 的常数级平坦趋势（在误差精度 $\epsilon = 10^{-3}$ 下）。

这意味着，在振幅放大步骤中，成功率（正比于 $1/\alpha^2$）几乎不随系统规模增大而衰减！这一发现为大尺度强关联量子化学系统的长时间相干演化扫清了最大的理论障碍。

2.2.4 渐进复杂度与加速比

在 $t=0.5, \epsilon = 10^{-3}$ 条件下，基于 MPO 转移的 LCU 实际调用代价（Oracle Complexity Proxy）表现为：

• 对于外场扰动海森堡链，整体电路复杂度 C3 随系统尺寸的标度仅为 $N^{1.17}$ ($\chi=4$) 至 $N^{1.50}$ ($\chi=8$)；
• 对于二聚化模型，复杂度标度为 $N^{1.35}$ ($\chi=4$) 至 $N^{1.79}$ ($\chi=8$)。 相比于传统 LCU 的 $O(N^K)$ 复杂度，本方案实现了决定性的多项式级到接近线性级的惊人加速。

3. 代码实现细节、复现指南与开源工具链

为了便于科研人员在本地复现该工作，以下整理了基于 Julia 语言及 ITensors.jl 框架的经典预处理核心实现步骤与算法伪代码。

3.1 经典预处理核心流程图

 1. 构建初始 H MPO (χ=5) 
           │
           ▼
 2. 迭代计算 H^K MPO 并进行经典压缩（指定 SVD 截断阈值 10^-6）
           │
           ▼
 3. 按照 Taylor 展开系数求和，构建 P_χ(t) MPO
           │
           ▼
 4. 抽取泡利转移矩阵 W^{[n], μ}_{a,b}
           │
           ▼
 5. 递推计算后向消息 β_n 并生成电路受控旋转角 θ

3.2 核心计算算法伪代码 (Julia 风格)

以下伪代码展示了如何利用 ITensors.jl 完成从 MPO 算符到 LCU 转移系数、后向消息以及条件概率的完整经典提取过程：

using ITensors

#= 
步骤 1: 在经典上计算 MPO 的格点 Pauli 展开系数 W
输入: MPO 算符 M (代表 P_χ(t))
输出: 局域转移张量 W[n][a, b, μ]
=#
function extract_lcu_coefficients(M::MPO)
    N = length(M)
    W = Vector{Array{ComplexF64, 3}}(undef, N)
    
    # 定义单比特 Pauli 基底
    paulis = [
        [1.0 0.0; 0.0 1.0],  # I
        [0.0 1.0; 1.0 0.0],  # X
        [0.0 -1im; 1im 0.0], # Y
        [1.0 0.0; 0.0 -1.0]  # Z
    ]
    
    for n in 1:N
        # 获取当前格点的局域张量，并提取其虚拟索引和物理索引
        tensor = M[n]
        # 假设其物理索引为 s (row) 和 t (col)，虚拟索引为 a_left, a_right
        # 在此将其转换为标准的 Dense 矩阵，并根据等式 (1.5) 计算迹内积
        # 伪代码示意：
        χ_left = dim(left_link(M, n))
        χ_right = dim(right_link(M, n))
        
        W_n = zeros(ComplexF64, χ_left, χ_right, 4)
        for a in 1:χ_left, b in 1:χ_right
            # 取出对应的局域算符块 O_{a,b}
            O_ab = get_operator_block(tensor, a, b)
            for μ in 1:4
                W_n[a, b, μ] = 0.5 * tr(paulis[μ]' * O_ab)
            end
        end
        W[n] = W_n
    end
    return W
end

#= 
步骤 2: 计算后向消息 β 矩阵
输入: 局域转移张量 W
输出: 后向消息数组 β
=#
function compute_backward_messages(W, N, χ)
    β = Vector{Vector{Float64}}(undef, N)
    
    # 最后一个节点的边界初始化
    β[N] = zeros(Float64, χ[N-1])
    for a_prev in 1:χ[N-1]
        β[N][a_prev] = sum(abs.(W[N][a_prev, 1, :]))
    end
    
    # 逆向递推
    for n in (N-1):-1:2
        β[n] = zeros(Float64, χ[n-1])
        for a_prev in 1:χ[n-1]
            sum_val = 0.0
            for a_curr in 1:χ[n]
                for μ in 1:4
                    sum_val += abs(W[n][a_prev, a_curr, μ]) * β[n+1][a_curr]
                end
            end
            β[n][a_prev] = sum_val
        end
    end
    return β
end

3.3 开源资源推荐

• 张量网络核心库：ITensors.jl (https://github.com/ITensor/ITensors.jl) 是复现本工作经典预处理（MPO 乘积、SVD 压缩和变分截断）的最佳工具包。
• 量子电路编译框架：提取出 W 与 β 后，可直接导入 Qiskit 或 Cirq，通过受控旋转门（如多受控 Ry 门）构建 CPREP 电路。

4. 关键引用文献与局限性批判

4.1 关键参考文献及其承接关系

1. Martina Nibbi & Christian B. Mendl (2024) [Phys. Rev. A, 110:042427] [29]：本项研究最直接的理论奠基者。Nibbi 等人首次提出了将 MPO 嵌入块编码的完整方案（即局部幺正化方法）。而本工作（Dumitrescu）则是针对其暴露出的“局部膨胀指数级惩罚”进行了精准的靶向攻克。
2. Childs & Wiebe (2012) [Quantum Info. Comput.] [36]：LCU（幺正线性组合）算法的开山之作，奠定了将非幺正算符映射为相干叠加幺正电路的理论底座。
3. Crosswhite & Bacon (2008) [Phys. Rev. A] [37]：率先揭示了 MPO 的虚拟键演化与有限状态自动机（Finite-State Automaton）之间的同构关系。本工作将其创造性地映射为量子电路上的受控转移比特流。

4.2 本工作局限性深度剖析

尽管本工作在思路上极其精妙，但要在实际容错量子计算中全面落地，仍面临以下关键性挑战：

4.2.1 演化时间 $t$ 较长时的性能塌缩（“Long-Time Wall”）

当模拟时间 $t$ 显著增大时，为了保持相同的精度 $\epsilon$，Taylor 级数所需的展开阶数 $K$ 将显著增加。这将不可避免地带来两大后果：

• 键维度 $\chi$ 的急剧膨胀：高阶幂次 $H^K$ 所包含的多体纠缠关联更深，经典 MPO 压缩将面临极大的精度损失或被迫保留极大的 $\chi$，导致经典预处理过载且量子 CPREP 硬件比特数剧增。
• $\alpha_{MPO}$ 的温和增长可能转为指数增长：在长演化时间下，泡利路径的干涉相消和相长变得极其复杂，$\alpha_{MPO}$ 随系统尺寸的常数级行为能否继续维持，需要更严苛的解析证明。

4.2.2 经典预处理的“计算霸权”转移

虽然量子电路的时间复杂度降低了，但所有的复杂性都被“逆向抛给”了经典预处理——尤其是大系统的高阶 MPO 乘法与压缩。对于复杂的分子哈密顿量，进行多次 MPO 乘法本身就是 DMRG 领域里公认的难点，容易陷入局部极小值并带来可观的经典算力开销。经典预处理本身的扩展性（Scalability）会成为限制该编译方法走向更复杂化学体系的主要瓶颈。

4.2.3 局限于一维或准一维体系（MPO 的固有缺陷）

MPO 天生是为表达一维（1D）拓扑关联而设计的。对于具有强三维非局域特征的分子体系（如过渡金属催化剂中心、活性中心团簇等），直接使用 1D MPO 表达会导致键维度 $\chi$ 极高。如果推广到二维的 PEPO（投影缠结配对算符），其经典张量收缩本身就是 NP-Hard 的，后向消息 $\beta_n$ 的精确求解将不再可行，必须引入复杂的近似收缩方案。

5. 补充视角：对高维分子哈密顿量量子化学模拟的启示

对于致力于将量子算法应用于真实量子化学系统（如固氮酶 FeMoco 团簇、锂电池电解液分子演化）的科研工作者，本工作提供了极具工程价值的启示：

5.1 解决化学哈密顿量 Jordan-Wigner 映射后的“非局域化灾难”

在量子化学中，利用第二量子化算符表达的分子轨道哈密顿量：

通过 Jordan-Wigner 映射转换为量子比特上的算符时，由于费米子反对易关系的引入，会产生大量非局域的泡利 $Z$ 链（Pauli-$Z$ Strings）。这导致分子哈密顿量在映射后，泡利项的数量暴增至 $\mathcal{O}(N^4)$。直接对该哈密顿量进行传统的 LCU 块编码，其 PREPARE 电路不仅极难构建，且归一化因子 $\alpha_P$ 极高。

然而，如果我们先利用 DMRG 领域成熟的经典技术，将该分子哈密顿量压缩为高效的 MPO 形式（经典上化学哈密顿量的 MPO 键维度通常也仅为 $O(N)$ 甚至常数级），再通过本工作提出的“虚拟路径 LCU”进行量子电路编译，就可以直接在电路层面将这 $\mathcal{O}(N^4)$ 个具有强关联和重叠特征的泡利弦，压缩进极少数的辅助比特条件转移链中！

5.2 深度结合“双因式分解”（Double Factorization）与虚拟路径 LCU

目前量子化学块编码中最先进的方案是基于库仑算符的双因式分解（Double Factorization, DF）：

这种低秩分解大大降低了块编码的门复杂度。本工作的思想可以与 DF 完美契合：我们可以对每一个低秩因子 $t$ 所对应的算符，单独构建其极轻量化的 MPO 虚拟路径 LCU，并在量子电路上通过控制比特对不同的 $t$ 分支进行相干选择。 这将经典低秩张量分解、一维张量网络压缩与量子 LCU 算法的三者优势融为一体，有望将大分子体系容错量子模拟的时间节点提前数年。

5.3 走向未来的“张量网络-量子算法”混合编译架构

本工作向我们昭示了一个明确的方向：未来的高性能量子计算软件栈，不应该仅仅将经典数据（如分子轨道积分）直接转化为离散的量子门；而应该建立一个以张量网络为中介的中间表示（Intermediate Representation, IR）层。在这个 IR 层中，经典的超级计算机首先对物理算符进行纠缠剪枝、低秩分解和 MPO 压缩，随后量子编译器读取该压缩数据结构，将其无损地转化为量子硬件上的条件相干干涉电路。这种“经典压缩，量子相干相加”的混合范式，才是实现实用化量子化学计算霸权的最优解。