来源论文: https://arxiv.org/abs/2606.20166v2 生成时间: Jun 30, 2026 10:52

量子退火计算磁偶极超精细结构常数：原子能量之外的首次探索

0. 执行摘要

这篇开创性的工作首次成功利用D-Wave量子退火器（QPU）及其改进的量子退火本征求解器（QAE）算法，精确计算了中性锂、类锂铍离子、中性钠和类钠镁离子等原子的磁偶极超精细结构（HFS）常数。这项研究超越了传统上量子退火器主要用于计算基态能量的范畴，展现了量子退火在解决原子物理中更复杂、对电子关联效应高度敏感的物理量计算方面的巨大潜力，其结果与经典的相对论组态相互作用（CI）计算高度吻合。

1. 核心科学问题，理论基础，技术难点，方法细节

1.1 核心科学问题

原子系统的磁偶极超精细结构（HFS）常数是原子物理学中的一个基本物理量，它描述了原子核磁偶极矩与电子角动量之间相互作用的强度。精确计算HFS常数对于广泛的物理领域具有至关重要的意义：

  1. 精密测量与计量学： 现代的计时标准，例如原子钟，就基于HFS跃迁。高精度HFS常数是设计和改进这些精密测量工具的基础。
  2. 宇宙学： 解释宇宙学21厘米氢线信号，对于理解早期宇宙的演化和结构形成至关重要，而这依赖于精确的氢原子HFS常数。
  3. 冷原子物理： 在超冷原子实验中，HFS结构决定了原子能级间的相互作用，对玻色-爱因斯坦凝聚和费米气体等研究至关重要。
  4. 核结构： HFS常数与原子核的磁偶极矩和高阶核矩紧密相关，其精确测定有助于深入理解原子核的内部结构。

然而，HFS常数的精确计算面临显著挑战。它对波函数在原子核附近区域的行为高度敏感，而该区域同时存在显著的相对论和非相对论效应。这意味着计算方法必须能够准确捕捉复杂的电子关联效应以及相对论修正。传统的第一性原理计算通常计算成本高昂且复杂，尤其是在处理重原子或需要高精度的情况下。因此，探索新的计算范式，如量子计算，以应对这些挑战，是当前研究的重要方向。

1.2 理论基础

本研究工作融合了量子力学、相对论量子化学和量子退火算法的理论基础：

  1. 相对论Dirac-Coulomb Hamiltonian ($H_{DC}$): 描述原子中电子与原子核以及电子之间相互作用的基本哈密顿量，它包含了相对论效应。其形式为： $H_{DC} = \sum_i [c\alpha_i \cdot p_i + (\beta_i - 1)c^2 + V_n(r_i)] + \sum_{i>j} \frac{1}{r_{ij}}$ 其中，$p_i$ 是第 $i$ 个电子的动量，$\alpha_i$ 和 $\beta_i$ 是Dirac矩阵旋量，$c$ 是光速，$V_n(r_i)$ 是原子核的势能，$r_{ij}$ 是电子间距。

  2. 相对论组态相互作用（CI）方法与多组态Dirac-Hartree-Fock（MCDHF）轨道：

    • MCDHF： 用于生成单粒子轨道。这种方法能优化轨道以更好地描述电子关联效应，从而生成数量更少但高度优化的单粒子轨道。
    • 原子态函数（ASF）： 原子波函数 $\Psi(JM_J\Pi)$ 被表达为组态态函数（CSFs）$\Phi_r$ 的线性组合： $|\Psi(JM_J\Pi)> = \sum_{r=1}^B c_r |\Phi_r(JM_J\Pi)>$ 其中 $c_r$ 是展开系数，$B$ 是CSFs的数量。
    • CI： 利用这些CSFs构建哈密顿量矩阵，并通过求解本征值问题来获得原子态的能量和波函数系数。

  3. 磁偶极超精细结构算符 ($H_{hf}$): 描述电子电流密度与核磁偶极矩之间相互作用的算符： $H_{hf} = \sum_i \alpha_i \cdot \frac{\mu_I \times r_i}{r_i^3}$ 其中 $\mu_I$ 是核磁偶极矩。

  4. HFS常数A： 通过ASF的展开系数和Wigner-Eckart定理从磁偶极超精细算符的约化矩阵元中提取： $A = A_{fac} \sum_{r,s} c_r c_s (\Phi_r(J\Pi)||T^{(1)}||\Phi_s(J\Pi))$ 其中 $A_{fac} = 1/(I\sqrt{J(J+1)(2J+1)})$，$I$ 和 $J$ 分别是总核自旋和电子角动量。

  5. 量子退火（QA）： 一种元启发式优化方法，利用量子隧穿和叠加等效应来寻找问题哈密顿量的基态。它专门用于求解二次无约束二元优化（QUBO）问题。

  6. 量子退火本征求解器（QAE）： 一种混合量子-经典算法，通过最小化适当的目标函数来解决本征值问题。对于哈密顿量矩阵 $H_{DC}$，其目标函数为能量泛函 $ε(λ) = \frac{<\Psi|H_{DC}|\Psi>}{<\Psi|\Psi>} - λ$，而 QAE 旨在寻找使得 $ε(λ) = 0$ 的基态能量 $E_0$ 和系数 $c_r$。在本研究中，该泛函被重构为适合D-Wave量子退火器硬件的二次形式： $ε(\lambda) = \sum_{r,s=1}^B C_r C_s H_{rs} - \lambda \sum_{r=1}^B C_r^2$ 其中 $H_{rs} = <\Phi_r|H_{DC}|\Phi_s>$，并且最佳的拉格朗日乘子 $\lambda_{opt}$ 对应于系统的基态能量。

1.3 技术难点

将HFS常数计算与量子退火相结合，面临以下几个关键技术难点：

  1. 精确波函数系数的表示： QAE需要高精度地确定ASF的展开系数 $c_r$，这对于HFS常数的计算至关重要。将浮点数系数映射到量子比特的二元变量上，既要保证精度，又要控制所需的量子比特数量，这是一项挑战。论文中采用K比特二元变量的浮点编码方案（精度限制在小数点后三位，对应10个量子比特）。
  2. 量子硬件限制：
    • 量子比特连接性： D-Wave量子退火器的拓扑结构（如Pegasus）限制了量子比特之间的直接连接。对于大型哈密顿量矩阵，需要进行图嵌入，这会增加所需的物理量子比特数量和问题复杂度。
    • 量子比特数量： 尽管D-Wave提供了大量量子比特，但嵌入复杂问题会消耗大量物理量子比特，从而限制了可处理的有效问题规模（例如，论文中将CSFs的数量 $B$ 限制为11或更少）。
    • 噪声和误差： 量子退火器容易受到噪声和退相干效应的影响，这可能导致计算结果偏离理想值。
  3. 优化算法的收敛性： QAE算法需要有效地估计最佳拉格朗日乘子 $\lambda_{opt}$ 和系数 $c_r$。这涉及到迭代过程，需要在精度和计算效率之间取得平衡。
  4. 电子关联效应的捕捉： HFS常数对电子关联效应非常敏感，特别是在原子核附近。量子退火器必须能够准确地捕捉这些精细的许多体效应，才能得到可靠的结果。
  5. 问题规模管理： 当CSFs数量 $B$ 较大时，直接在量子退火器上嵌入整个哈密顿量矩阵成本过高。因此，需要设计有效的截断方案，以减少问题规模而不显著损失精度。

1.4 方法细节

本研究采用的改进QAE方法主要包括以下步骤：

  1. 经典预处理（使用GRASP软件包）：

    • 轨道生成： 利用MCDHF方法生成原子单粒子轨道。这有助于减少哈密顿量矩阵的维度，同时保持物理描述的准确性。
    • 矩阵元计算： 计算Dirac-Coulomb哈密顿量 $H_{DC}$ 的矩阵元 $H_{rs} = <\Phi_r|H_{DC}|\Phi_s>$。这些矩阵元定义了电子结构问题。
    • HFS算符矩阵元计算： 计算磁偶极超精细算符 $T^{(1)}$ 的约化矩阵元 $( \Phi_r(J\Pi)||T^{(1)}||\Phi_s(J\Pi) )$。

  2. 问题重构为QUBO：

    • 将电子结构本征值问题重新表述为能量泛函 $ε(\lambda) = \sum_{r,s=1}^B C_r C_s H_{rs} - \lambda \sum_{r=1}^B C_r^2$ 的零点问题。这个二次形式可以直接映射到D-Wave量子退火器所需的QUBO（Quadratic Unconstrained Binary Optimization）形式。
    • 浮点编码： 每个系数 $c_r$ 使用K比特二元变量进行浮点编码，以在量子退火器上表示。本研究中，K值设置为10，将精度限制在小数点后三位以内。

  3. “缩放-退火”（Zooming-and-Sigma-Annealing）策略：

    • 初始粗略扫描： 首先对拉格朗日乘子 $\lambda$ 进行粗略扫描，范围通常在 $H_{11}$ 附近（图1a中的灰色曲线），以获得 $\lambda_{opt}$ 的初始估计。
    • 迭代缩放： 基于初始估计，对 $\lambda$ 进行插值，然后迭代地扫描更窄的 $\lambda$ 窗口，逐步提高 $\lambda_{opt}$ 的精度（图1a中的粉色区域和图1b）。
    • Sigma-annealing： 在每次 $\lambda$ 迭代中，进行Sigma-annealing以迭代收敛 $c_r$ 系数，确保获得最佳的基态波函数。

  4. CSF截断方案：

    • 对于CSFs数量 $B$ 超过11的情况（这是D-Wave硬件可直接嵌入的限制），采用截断基方案。通过估计每个基态对波函数的贡献（基于 $c_r \approx H_{r1}/(H_{11} – H_{rr})$，这通常作为独立电子对近似的初始猜测），移除贡献不显著的CSFs，将 $B$ 减少到11或更少。

  5. D-Wave量子退火器执行：

    • 将转换后的QUBO问题提交给D-Wave Advantage 6.4量子处理单元（QPU），该QPU基于Pegasus拓扑结构，拥有超过5000个量子比特。
    • QPU通过绝热演化过程，从初始横场基态演化到最终QUBO基态，从而识别最低能量本征态，并输出对应的系数 $c_r$。
    • 设置参数包括1000次读取和默认的链耦合强度。

  6. 后处理：

    • 从D-Wave退火器获得的量子计算 $c_r$ 系数，与经典计算的HFS算符矩阵元以及 $A_{fac}$ 进行乘积累加，根据公式（4）计算最终的磁偶极HFS常数A。

这套改进的QAE框架，特别是“缩放-退火”策略和CSF截断方案，使得在D-Wave硬件上实现了对原子物理中复杂物理量（HFS常数）的高精度计算，超越了其传统的能量计算应用。

2. 关键 benchmark 体系，计算所得数据，性能数据

本研究选取了四种具有代表性的原子系统作为基准测试，以全面评估改进QAE算法在计算HFS常数方面的性能：

  1. 中性锂（Li, $^2S_{1/2}$）
  2. 类锂铍离子（Be$^+$, $^2S_{1/2}$）
  3. 中性钠（Na, $^2S_{1/2}$）
  4. 类钠镁离子（Mg$^+$, $^2S_{1/2}$）

所有选定的系统都关注最低角对称态，即总电子角动量 $J=1/2$ 且为偶宇称。

2.1 计算参数配置

为了系统地研究电子关联效应对能量和HFS常数的影响，研究人员对每个系统采用了不同的关联轨道集配置：

  • Li 和 Be$^+$： 考虑了2p、3s以及2p+3s关联轨道集。同时，也探究了不同非活性核轨道（无、1s、1s2s）的影响。
  • Na 和 Mg$^+$： 考虑了3p、4s以及3p+4s关联轨道集。同样探究了不同非活性核轨道（无、1s、1s2s）的影响。
  • CSFs数量： 初始CSFs数量从8到14不等。对于D-Wave QPU，为了适应其硬件限制，CSFs数量被截断到10-12。

2.2 性能评估与数据分析

所有量子计算结果均与经典GRASP软件包（基于相对论组态相互作用方法）和经典模拟退火（SA）的结果进行基准比较。性能数据主要体现在能量和HFS常数与GRASP参考值的相对偏差上。以下是主要发现和数据摘要：

中性锂 (Li, $^2S_{1/2}$) - 表I

  • 能量 (a.u.)：
    • GRASP 结果作为参考。
    • SA 和 QA 计算的能量与GRASP高度吻合。例如，对于2p关联轨道，QA能量相对偏差 $\Delta E_{QA}(\%)$ 仅为0.013%。对于其他关联轨道集，偏差也保持在0.03%以下。
  • HFS常数 A (MHz)：
    • 对于所有关联轨道配置（2p, 3s, 2p+3s），SA和QA计算的HFS常数与GRASP结果完全一致，相对偏差 $\Delta A_{QA}(\%)$ 均为0.000%。这表明在选定的数值精度（小数点后三位）内，量子退火实现了与经典方法相同的精确度。

类锂铍离子 (Be$^+$, $^2S_{1/2}$) - 表II

  • 能量 (a.u.)：
    • QA能量的相对偏差 $\Delta E_{QA}(\%)$ 最高可达0.203%（2p,3s关联轨道，截断基）。尽管略高于锂，但仍处于非常低的水平，证实了算法的鲁棒性。
  • HFS常数 A (MHz)：
    • 与锂类似，铍离子所有配置下的HFS常数A的量子退火结果与GRASP和SA结果完全一致，相对偏差 $\Delta A_{QA}(\%)$ 均为0.000%。

中性钠 (Na, $^2S_{1/2}$) - 表III

  • 能量 (a.u.)：
    • QA能量的相对偏差 $\Delta E_{QA}(\%)$ 保持在0.014%以下。这再次验证了优化方法的稳定性。
  • HFS常数 A (MHz)：
    • 对于大部分配置，HFS常数A的量子退火结果与GRASP和SA结果高度吻合，相对偏差 $\Delta A_{QA}(\%)$ 极低，最高仅为0.009%（4s SD，1s inactive）。这表明对于较重系统，HFS常数对关联轨道和非活性核轨道表现出更高的敏感性，但QAE仍能提供准确结果。

类钠镁离子 (Mg$^+$, $^2S_{1/2}$) - 表IV

  • 能量 (a.u.)：
    • QA能量的相对偏差 $\Delta E_{QA}(\%)$ 保持在0.017%以下，与钠离子表现出相似的稳健性。
  • HFS常数 A (MHz)：
    • 所有配置下的HFS常数A的量子退火结果与GRASP和SA结果均完全一致，相对偏差 $\Delta A_{QA}(\%)$ 均为0.000%。

2.3 波函数系数精度

图2（主论文）以及补充材料中的图S1、S2、S3展示了SA和QA计算所得系数 $c_r$ 相对于GRASP参考值的绝对误差。主要观察结果如下：

  • 基态系数 $c_1$： 几乎所有情况下，基态系数 $c_1$ 的误差都最低（通常小于 $10^{-4}$）。这是至关重要的，因为基态波函数的主要成分对最终HFS常数贡献最大。
  • 小系数的误差： 对于其他较小的系数 $c_r$（$r > 1$），其绝对误差可能相对较大，但由于HFS常数 $A$ 对系数 $c_r$ 呈二次依赖关系（即 $A \propto c_r c_s$），这些较小系数的误差对最终HFS常数 $A$ 的影响是“微不足道”的。
  • SA与QA的高度一致性： 在多数情况下，SA和QA计算的系数误差曲线非常相似，这归因于“缩放-退火”策略在估计 $\lambda_{opt}$ 方面的有效性。

2.4 关键性能结论

  • 卓越的精度： 量子退火计算的能量和HFS常数与经典的GRASP方法达到了高度一致（在既定精度内）。对于HFS常数，多数系统的相对偏差为0.000%，即使是最高的也仅为0.009%。
  • 算法的鲁棒性： 改进的QAE方法，特别是“缩放-退火”和CSF截断，证明了其在面对D-Wave量子硬件的限制和误差时的鲁棒性。
  • 关联效应的捕捉： 结果表明，该方法能够有效捕捉对HFS常数至关重要的电子关联效应。特别是s轨道和$p_{1/2}$轨道的关联对HFS有显著贡献，对于较重原子（如Na和Mg$^+$）以及非活性核轨道，HFS常数表现出更高的敏感性。
  • 超越能量计算： 这是首次在量子退火器上成功计算HFS常数，将QAE的应用范围从基态能量扩展到了更复杂的原子物理性质，为量子计算在精密原子物理中的应用开辟了新路径。

本研究的实现涉及到经典计算预处理和量子退火计算两个主要阶段，整合了多种成熟的科学计算软件包和D-Wave量子计算平台。

3.1 所用的软件包

  1. GRASP (General-purpose Relativistic Atomic Structure Package) [32, 33]:

    • 用途： 作为核心的经典计算工具，GRASP在量子计算预处理阶段扮演了关键角色。
    • 功能：
      • 生成多组态Dirac-Hartree-Fock (MCDHF) 轨道，这是构建原子态函数 (ASF) 的基础。
      • 计算相对论Dirac-Coulomb哈密顿量 ($H_{DC}$) 的矩阵元 ($H_{rs}$)，这些矩阵元定义了电子结构本征值问题。
      • 计算磁偶极超精细结构算符 ($T^{(1)}$) 的约化矩阵元，这些是最终计算HFS常数A所需的输入。
    • 性质： GRASP是一个用于相对论原子结构计算的著名软件包，通常需要许可才能使用。

  2. D-Wave Ocean SDK [39]:

    • 用途： 用于与D-Wave量子处理单元 (QPU) 进行交互，提交QUBO问题并检索计算结果。
    • 功能： 提供了将二次无约束二元优化 (QUBO) 问题构建、嵌入到D-Wave硬件，以及运行退火过程的API和工具。
    • 性质： Ocean SDK 是D-Wave提供的开源软件包集合，包括用于问题建模、图嵌入、结果分析等功能的库。

  3. D-Wave Advantage System 6.4 QPU [36, 37]:

    • 用途： 实际执行量子退火计算的硬件平台。
    • 特性： 基于Pegasus拓扑结构，拥有超过5000个量子比特，是目前可用的最强大的量子退火器之一。

3.2 代码实现细节

本研究中“修改后的QAE”算法的核心实现细节包括：

  1. QUBO问题构建：

    • 能量泛函 $ε(\lambda) = \sum_{r,s} C_r C_s H_{rs} - \lambda \sum_r C_r^2$ 是一个二次形式。
    • 为了在D-Wave上运行，需要将浮点系数 $C_r$ 转换为二进制变量。论文中提到采用K比特二进制变量的浮点编码方案，这通常涉及将 $C_r$ 表示为 $\sum_{k=0}^{K-1} b_k 2^{-k}$ 的形式，其中 $b_k$ 是二进制变量。这种编码方式使得整个能量泛函能够转化为一个纯粹的QUBO问题。
    • 这种浮点编码的具体实现参考了之前的QAE工作，特别是涉及相对论量子化学的应用 [8]。

  2. “缩放-退火”策略实现：

    • 外层循环（缩放）： 迭代地优化拉格朗日乘子 $\lambda$。首先进行粗略扫描，然后根据插值结果缩小 $\lambda$ 的搜索窗口，直至达到所需的精度。这可能涉及多次QUBO问题的求解和结果分析。
    • 内层循环（Sigma-annealing）： 在每次 $\lambda$ 的迭代中，通过多次D-Wave退火运行来收集基态波函数系数 $C_r$ 的统计信息，并迭代更新 $C_r$ 的估计值，以确保收敛。

  3. CSF截断方案：

    • 对于初始CSFs数量 $B$ 超过D-Wave硬件直接嵌入能力（本研究为11个CSFs）的情况，引入了截断方案。
    • 通过计算 $C_r \approx H_{r1}/(H_{11} – H_{rr})$ 来估计每个CSF对波函数的贡献。贡献较小的CSFs被移除，从而降低了哈密顿量矩阵的维度，使其能够适应QPU。
    • 截断后的基重新排序，确保主要贡献的CSFs保留。

  4. D-Wave交互：

    • 使用D-Wave Ocean SDK将构建好的QUBO问题提交给远程的D-Wave Advantage QPU。
    • 设置退火参数，例如 num_reads=1000（每次退火运行读取1000个样本）和默认的链耦合强度，以增强解决方案的质量。
    • 接收D-Wave返回的二进制结果，并将其解码回浮点系数 $C_r$。

  5. 后处理计算：

    • 利用解码后的 $C_r$ 值、GRASP计算的HFS算符矩阵元以及常数 $A_{fac}$，根据公式 $A = A_{fac} \sum_{r,s} c_r c_s (\Phi_r(J\Pi)||T^{(1)}||\Phi_s(J\Pi))$ 计算最终的HFS常数A。

3.3 复现指南 (概念性)

由于论文没有提供具体的开源代码仓库链接，完全复现需要根据论文描述重新实现核心算法逻辑。以下是一个概念性的复现步骤：

  1. 环境准备：

    • 安装GRASP软件包及其依赖（若无商业许可可能需要寻找替代的经典CI代码或使用公开的数据集）。
    • 安装D-Wave Ocean SDK（pip install dwave-ocean-sdk）。
    • 获取D-Wave QPU的访问权限和API token。

  2. 经典数据生成（GRASP或等效方法）：

    • MCDHF计算： 针对Li, Be$^+$, Na, Mg$^+$等原子体系，根据论文中表I-IV的配置（如关联轨道集、非活性核轨道等），运行GRASP生成MCDHF轨道。
    • 哈密顿量矩阵元： 基于MCDHF轨道，计算Dirac-Coulomb哈密顿量 $H_{DC}$ 的矩阵元 $H_{rs}$。
    • HFS算符矩阵元： 计算磁偶极超精细结构算符 $T^{(1)}$ 的约化矩阵元。
    • 输出： 将 $H_{rs}$ 和约化矩阵元保存为可供Python或其他语言读取的格式。

  3. QAE算法实现：

    • Python脚本（或选择其他语言）： 编写一个Python脚本来实施修改后的QAE算法。
    • 浮点编码： 实现将浮点系数 $C_r$ 映射到K比特二进制变量的浮点编码函数（K=10），以及对应的解码函数。
    • QUBO矩阵构建： 根据能量泛函 $ε(\lambda) = \sum_{r,s} C_r C_s H_{rs} - \lambda \sum_r C_r^2$ 和浮点编码，动态构建或更新QUBO矩阵 $Q_{ij}$。这将需要将多项式转换为 $x^T Q x$ 形式。
    • CSF截断逻辑： 实施截断逻辑，根据 $H_{r1}/(H_{11} – H_{rr})$ 的近似值筛选CSFs，以将 $B$ 限制在D-Wave可处理的范围内。

  4. “缩放-退火”策略实现：

    • lambda 迭代： 编写一个外层循环来迭代优化 $\lambda$。在每个 $\lambda$ 步骤中，构建对应的QUBO问题。
    • D-Wave调用： 使用 dwave.system.DWaveSampler 或 dwave.system.LeapHybridSampler（如果适用）提交QUBO问题。例如：
      from dwave.system import DWaveSampler, EmbeddingComposite
# sampler = EmbeddingComposite(DWaveSampler())
# response = sampler.sample_qubo(Q, num_reads=1000)
# Process response to get binary solutions
    • Cr 更新与收敛： 从D-Wave返回的二进制解决方案中解码 $C_r$。在内层循环中，根据多次读取的结果（或统计方法）更新 $C_r$ 的估计值，直到收敛。
    • epsilon(lambda) 评估： 在每次 $\lambda$ 迭代后，使用当前的 $C_r$ 集合评估能量泛函 $ε(\lambda)$，并根据其零点更新 $\lambda$ 的搜索范围。

  5. HFS常数计算：

    • 一旦获得收敛的 $C_r$ 集合，利用这些 $C_r$ 值、GRASP预处理得到的HFS算符约化矩阵元和 $A_{fac}$ 常数，计算最终的HFS常数A。

  6. 结果验证： 将计算得到的能量和HFS常数与GRASP和经典模拟退火（可以使用Python库如scipy.optimize.dual_annealing进行模拟退火）的结果进行比较，计算相对偏差。

开源Repo Link：

该论文没有提供作者自己实现的QAE算法的具体开源代码库。但是，其使用的核心工具——D-Wave Ocean SDK是开源的，可以在GitHub上找到（例如，dwave-system和dwave-neal）。GRASP软件包是商业/学术许可软件。如果需要完全复现，需要自行实现论文中描述的“修改后的QAE”算法逻辑，包括浮点编码、缩放-退火策略和CSF截断等。

4. 关键引用文献，以及你对这项工作局限性的评论

4.1 关键引用文献

本研究工作建立在量子退火和相对论原子结构计算的深厚基础上，并引用了多篇关键文献：

  1. 量子退火基础 [1, 2]： Kadowaki和Nishimori的开创性工作定义了量子退火范式，Hauke等人的综述则提供了全面的背景和未来展望。
  2. 量子退火本征求解器 (QAE) [7, 8]： Teplukhin等人首次将QAE应用于分子振动光谱计算 [7]。Kumar等人的工作 [8] 则将QAE扩展到相对论量子化学领域，并可能在此引入了浮点编码和“缩放-退火”策略，为本研究提供了直接的方法学基础。
  3. 经典原子结构计算工具 [32, 33]： Dyall等人开发的GRASP软件包是进行相对论多组态Dirac-Hartree-Fock (MCDHF) 和组态相互作用 (CI) 计算的标准工具，为本研究提供了基准数据和预处理的输入。
  4. 超精细相互作用理论 [16, 18, 35]： Lindgren和Rosén以及Johnson等人的教科书和论文提供了磁偶极超精细相互作用的理论框架和矩阵元计算方法。
  5. D-Wave硬件和SDK [36, 37, 39]： 引用了关于D-Wave Advantage量子退火器及其Pegasus拓扑结构以及D-Wave Ocean SDK的官方文献，这些是本研究进行量子计算的硬件和软件基础。
  6. 对比工作 [30]： McGeoch等人在D-Wave量子退火器上进行的HFS常数A计算工作（尽管可能关注不同系统或方法），提供了量子计算HFS的背景。

4.2 对这项工作局限性的评论

尽管这项工作在量子退火应用方面取得了显著进展，但仍存在一些局限性，值得未来研究关注：

  1. 当前量子硬件的限制：

    • 量子比特连接性和嵌入复杂度： D-Wave Advantage QPU的Pegasus拓扑结构虽然强大，但并非全连接。将CSFs数量 $B > 11$ 的问题映射到QPU上时，需要复杂的图嵌入过程，这会消耗大量的物理量子比特并引入链破碎（chain break）的风险。论文中通过截断CSFs来应对这一挑战，但这意味着无法处理非常大的、需要更多CSFs才能精确描述的系统。
    • 精度限制： 浮点编码方案将精度限制在小数点后三位（通过10个量子比特）。对于一些对HFS常数要求极高精度的物理应用，这可能仍不足够。更高的精度将需要更多的量子比特来编码每个系数 $c_r$，从而进一步加剧硬件限制。
    • 噪声和收敛性问题： 论文提到“日益增长的编码复杂性和D-Wave量子退火器上微妙的收敛性问题”。这表明当前的QPU仍然受到噪声的影响，使得高精度求解变得困难。尽管“缩放-退火”策略能有效提高精度，但其计算成本（多次QPU调用）可能随着问题规模增大而急剧增加。

  2. 计算范围的局限：

    • 原子系统范围： 本研究主要针对较轻的碱金属和类碱金属原子（Li, Be$^+$, Na, Mg$^+$），且仅限于 $J=1/2$ 偶宇称的最低角对称态。虽然这验证了方法的有效性，但将方法推广到更重的原子、更复杂的电子结构或不同对称性的态，可能面临更多挑战，例如需要更精确的相对论效应处理和更多的电子关联。
    • HFS常数类型： 目前仅关注了磁偶极HFS常数。原子核还存在电四极矩，对应电四极HFS常数，其计算复杂性更高，需要更精细的波函数描述。

  3. 电子关联处理的深度：

    • 论文强调“仔细纳入对超精细相互作用有显著贡献的关联轨道”，这暗示着当前的方法仍然依赖于对关联效应的物理直觉和选择性纳入。对于需要更广泛、更高阶关联效应的系统，其处理能力可能受到限制。如何系统地扩展关联基组而不使问题规模爆炸式增长，是一个持续的挑战。

  4. 方法通用性与效率：

    • “缩放-退火”策略虽然有效，但其迭代性质可能导致多次QPU调用，从而增加总体的计算时间。对于实时或大规模应用，需要进一步优化其效率。
    • 目前并未提供具体的开源代码。虽然方法细节已描述，但缺乏可直接运行的代码使得复现和进一步开发存在一定障碍。

  5. 与门模型量子计算机的比较：

    • 论文提到HFS常数计算在门模型量子计算机上也有进行 [30]。尽管量子退火和门模型是不同的计算范式，但未来的工作可能需要更深入地比较它们在计算复杂度和精度上的优劣，以确定最适合特定原子物理问题的量子计算方法。

总而言之，这项工作为量子退火在原子物理中的应用开辟了新篇章，但克服上述局限性将是未来研究的关键方向，这将有助于量子退火技术实现更广泛、更实际的应用。

5. 其他你认为必要的补充

5.1 工作的深远影响与意义

这项研究是量子退火领域的一个重要里程碑，其深远影响超越了单纯的学术范畴：

  1. 拓展量子退火的应用边界： 传统上，量子退火器主要被视为解决优化问题和寻找基态能量的工具。这项工作首次将其成功应用于计算磁偶极超精细结构常数，这是一个对波函数细节高度敏感的物理量。这证明了量子退火器不仅能够处理能量最小化问题，还能够处理涉及量子态精确描述的复杂本征值问题，极大地拓宽了量子退火在科学计算中的应用潜力。
  2. 推动原子物理的量子计算时代： 精密原子物理是量子力学的试金石，对电子关联、相对论效应等细节要求极高。通过在D-Wave QPU上成功计算HFS常数，本研究为量子计算技术在原子物理领域扮演更核心的角色奠定了基础，未来有望减少对纯粹经典计算资源的依赖，甚至解决经典计算难以企及的问题。
  3. 验证算法鲁棒性： 尽管D-Wave QPU存在噪声和连接性限制，改进的QAE算法（特别是“缩放-退火”策略和CSF截断）依然能产生与经典GRASP结果高度一致的HFS常数。这验证了该混合量子-经典算法在真实量子硬件上的鲁棒性和实用性。
  4. 激发新算法开发： 在当前硬件限制下，通过精巧的算法设计（如浮点编码、缩放迭代和CSF截断）来解决复杂问题，将激励更多研究人员开发新的混合量子-经典算法和优化技术，以充分利用现有量子硬件的潜力。

5.2 HFS计算的挑战再探

再次强调HFS常数计算的挑战性，有助于理解这项工作的突破之处：

  • 近核区域的敏感性： HFS常数对波函数在原子核附近的极小区域（通常是皮米量级）的数值精度非常敏感。这个区域是电子密度最高的区域，也是相对论效应和非相对论效应同时显著的区域。
  • 电子关联的复杂性： 电子之间的库仑相互作用导致复杂的关联效应。精确捕捉这些关联，特别是核心-价电子关联以及高阶关联，对于HFS常数的计算至关重要。经典的平均场方法（如Hartree-Fock）不足以描述这些效应，因此需要更高级的CI或MCDHF方法。
  • 物理量的二次依赖性： HFS常数A对ASF展开系数 $c_r$ 具有二次依赖性（$A \propto c_r c_s$）。这意味着即使是很小的系数，其相对误差也可能影响最终结果，因此需要非常精确的波函数系数。

这项工作通过“缩放-退火”策略精确估计拉格朗日乘子 $\lambda_{opt}$ 和系数 $c_r$，并结合CSF截断方案有效管理问题规模，成功地在D-Wave QPU上应对了这些挑战，展现了量子退火在处理此类复杂量子力学问题上的独特优势。

5.3 展望未来发展

本研究为量子退火在原子物理中的未来发展指明了方向：

  1. 硬件进步： 随着D-Wave Advantage2 QPU等下一代量子退火器硬件的不断发展（例如，采用Zephyr拓扑结构 [40]），预计量子比特连接性将进一步增强，嵌入开销将降低，同时解算器性能和解决方案精度也将提升 [41]。这将使研究人员能够处理更大、更复杂的原子系统，并纳入更全面的电子关联效应。
  2. 算法与软件优化：
    • 预处理改进： 更好的经典预处理技术可以更有效地选择和截断CSFs，为量子退火器提供更优化的输入。
    • 误差缓解技术： 随着量子误差缓解技术 [42-44] 在量子退火领域的持续发展，量子计算结果的可靠性和精度将进一步提高，减少硬件噪声的影响。
    • 混合算法的演进： 进一步优化混合量子-经典算法，使其在量子和经典计算之间分配任务时更加高效，例如，更智能的 $\lambda$ 搜索策略或更高效的浮点编码方案。
  3. 拓展应用范围：
    • 更重原子和复杂结构： 将方法推广到更重的原子，这些原子具有更复杂的电子壳层结构和更强的相对论效应。
    • 其他原子性质： 除了磁偶极HFS常数，该框架有望应用于计算电四极HFS常数、同位素位移参数、原子极化率等其他对波函数敏感的原子性质。
    • 分子体系： 将QAE成功应用于HFS常数计算，也为未来在分子体系中计算类似性质（如电子顺磁共振（EPR）参数）提供了宝贵经验。

综上所述，Paul及其团队的工作不仅展示了量子退火在精密原子物理领域的巨大潜力，也为量子计算在基础科学研究中发挥日益重要的作用铺平了道路。随着硬件和算法的协同发展，量子退火器有望成为理解和预测原子分子性质不可或缺的工具。

5.4 数据可用性声明

论文末尾明确指出：“数据可根据合理请求从作者处获取。”这为其他研究人员提供了验证和进一步探索的基础，体现了科学研究的开放性和可重复性原则。