来源论文: https://arxiv.org/abs/2606.20166v1 生成时间: Jun 19, 2026 16:05

量子退火在原子超精细结构常数计算中的首创应用：迈向能量之外的量子化学性质预测

0. 执行摘要

长期以来，量子计算在量子化学和原子物理学中的应用主要局限于电子基态或激发态能量的求解（即哈密顿量特征值的计算）。然而，要全面评估量子计算在未来物理与化学研究中的实用价值，必须证明其具有精确计算除能量以外的复杂物理性质（如依赖于波函数细节的各种物理观测值）的能力。原子的磁偶极超精细结构（Hyperfine Structure, HFS）常数正是这样一种极具挑战性的物理量。它不仅对原子核附近的波函数精度提出了近乎苛刻的要求，还高度依赖于相对论效应和复杂的电子关联效应。

近期发表在 arXiv 上的重要研究工作 “Applications of quantum annealing to magnetic dipole hyperfine structure constants: First results beyond energies for atoms”（作者：Boni Paul, Subimal Deb, Per Jönsson, Jörgen Ekman 及 Bhanu Pratap Das）首次在 D-Wave 商业量子退火器（Advantage system 6.4 QPU，基于 Pegasus 拓扑结构）上，成功实现了中性锂（Li）、类锂铍（$Be^+$）、中性钠（Na）以及类钠镁（$Mg^+$）等四种典型原子体系的磁偶极超精细结构常数 $A$ 的计算。该工作通过对量子退火本征值求解器（Quantum Annealer Eigensolver, QAE）算法进行深度改进，引入了“缩放与标准退火”（Zooming-and-sigma-annealing, ZSA）迭代机制以及高精度的浮点编码方案，克服了量子退火器在变量精度和物理比特连接性上的双重限制。实验结果表明，在保留不超过 12 个组态态函数（CSF）的基组截断方案下，改进型 QAE 算法在 D-Wave 硬件上计算出的超精细结构常数，与基于经典超级计算机的多组态狄拉克-哈特里-福克（MCDHF）及相对论组态相互作用（RCI）方法（利用经典大名鼎鼎的 GRASP 软件包）所得出的结果在设定的 3 位小数精度内完全一致。这标志着量子退火技术不仅在组合优化和物态模拟中展现出独特优势，更有望在相对论精密原子物理和定量量子化学性质计算中开辟全新的技术路径。

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

在量子化学和原子结构理论中，精确定量预测原子或分子的物理性质是一项极其复杂的任务。其根本原因在于，不同的物理性质对波函数在空间中的分布敏感度完全不同：

• 基态能量：作为体系哈密顿量的变分极小值，满足变分原理。即使波函数存在微小的局部偏差，能量的误差也是二阶微扰水平。能量更关注外层电子轨道的全局积分贡献。
• 超精细结构常数 $A$：描述的是原子核的磁偶极矩与电子运动产生的磁场之间的相互作用。由于超精细相互作用算符包含 $\frac{1}{r^3}$ 因子（其中 $r$ 为电子到核的距离），该物理量对核区（近核区域，Near-Nuclear Region）的波函数行为极其敏感。近核区域不仅是非相对论量子力学中波函数行为复杂的区域，更是相对论效应（如自旋-轨道耦合、达尔文项等）最显著的区域。因此，计算 HFS 常数不仅要求精确捕捉电子间的相关效应（Correlation Effects），还必须采用全相对论性的哈密顿量。这导致 HFS 常数的计算精度成为检验各类量子算法物理描述能力的“试金石”。

1.2 理论基础

为了能够从根本上描述高精度相对论效应，本研究以狄拉克-库仑哈密顿量（Dirac-Coulomb Hamiltonian, $H_{DC}$）为理论起点：

其中，$\mathbf{p}_i$ 是第 $i$ 个电子的动量算符，$\boldsymbol{\alpha}_i$ 和 $\beta_i$ 是狄拉克矩阵，$c$ 为光速，$V_n(r_i)$ 是原子核在 $r_i$ 处产生的势能，$\frac{1}{r_{ij}}$ 代表电子间的库仑排斥作用。这一哈密顿量不仅自动包含了单电子自旋-轨道耦合，还通过狄拉克算符精确描述了相对论运动学。

在经典计算中，通过多组态狄拉克-哈特里-福克（MCDHF）方法，我们可以将体系的原子态函数（Atomic State Function, ASF）$|\Psi(J M_J \Pi)\rangle$ 展开为一系列具有相同总角动量 $J$、磁量子数 $M_J$ 和宇称 $\Pi$ 的组态态函数（Configuration State Function, CSF）$|\Phi_r(J M_J \Pi)\rangle$ 的线性组合：

其中，$c_r$ 为对应的展开系数（满足归一化条件 $\sum_r c_r^2 = 1$），$B$ 为 CSF 的总数。通过求解相对论组态相互作用（RCI）本征值问题，可以确定基态能量和系数 $\{c_r\}$。

一旦确定了 ASF 中的系数 $\{c_r\}$，磁偶极超精细结构常数 $A$ 就可以直接利用 Wigner-Eckart 定理，表示为系数矩阵与经典预计算得到的电子算符二阶约化矩阵元的乘积：

其中，比例因子 $A_{\text{fac}}$ 与核自旋 $I$、总电子角动量 $J$ 以及核磁偶极矩 $\mu_I$ 有关：

$T_e^{(1)}$ 是单电子磁偶极超精细算符：

由此可见，一旦我们能够利用量子计算机高精度地求解出系数 $\{c_r\}$，再结合经典计算机极易算出的约化矩阵元 $\langle \Phi_r \Vert T_e^{(1)} \Vert \Phi_s \rangle$，即可实现 HFS 常数的量子混合计算。

1.3 技术难点

将传统的本征值问题转化为量子退火器可处理的二次无约束二进制优化（QUBO）问题，面临以下三大核心技术难点：

1. 本征矢量系数的连续变量表示：量子退火器的自旋比特通常只表示二进制状态（0 或 1），如何用有限的离散比特表征高精度的实数（甚至复数）展开系数 $c_r$ 是首要难题。
2. 物理比特连接性的限制：D-Wave Pegasus 拓扑结构中，每个物理比特的度数有限（最大为 15）。当组态空间 $B$ 增大时，由于系数 $c_r$ 之间存在密集的双体相互作用，映射到退火器上会产生全连接的无向图，这会导致极其严重的物理嵌入（Embedding）开销，造成物理比特链过长，进而引发严重的退火噪声与精度劣化。
3. 多极值与极小收敛问题：在求解本征值方程转换而来的拉格朗日乘子函数时，传统的固定拉格朗日乘子寻优极易陷入局部极小。量子退火必须具备在特征能谱密集区精确定位基态的能力。

1.4 方法细节与数学转换

为了解决上述难点，研究人员对量子退火本征值求解器（QAE）算法进行了系统性升级。其核心数学转换如下：

1.4.1 能量泛函的 QUBO 变换

将求解 $H_{DC} |\Psi\rangle = E |\Psi\rangle$ 转化为寻找非零向量 $|\Psi\rangle$ 使能量泛函极小化，引入拉格朗日乘子 $\lambda$（其物理意义对应于估计的本征能量）：

将展开式代入，得到：

其中 $H_{rs} = \langle \Phi_r | H_{DC} | \Phi_s \rangle$ 是由经典软件 GRASP 预先算好的哈密顿矩阵元。为了在量子退火器上执行，使用 $K$-位二进制变量对实系数 $c_r$ 进行浮点数编码：

其中 $q_{r,k} \in \{0, 1\}$ 是量子比特。通过这种线性变换，每个实系数 $c_r$ 由 $K$ 个量子比特表示。将该浮点编码代入 $\epsilon(\lambda)$，其数学形式仍然是关于自旋变量 $q_{r,k}$ 的二次多项式（由于 $c_r c_s$ 保持了二次特征，且 $c_r$ 本身是 $q$ 的线性组合）。因此，该物理问题天然可以完全写成 QUBO 形式，无需执行任何复杂的Rosenberg等高阶项消减技术！ 这极大地节省了辅助量子比特的使用。

1.4.2 缩放与标准退火（ZSA）算法控制流

为高精度寻找到最接近真实基态能量的 $\lambda_{\text{opt}}$，算法设计了如下迭代控制循环（见下图所示逻辑）：

 ┌────────────────────────────────────────────────────────┐
 │ 步骤 1: 经典预计算得到哈密顿矩阵 H_rs 和超精细矩阵元   │
 └───────────────────────────┬────────────────────────────┘
                             ▼
 ┌────────────────────────────────────────────────────────┐
 │ 步骤 2: 设定初始扫描区间。由于 c_1 通常接近 1.0,         │
 │ 设定 λ 的粗扫描网格(Coarse Grid)围绕 H_11 展开         │
 └───────────────────────────┬────────────────────────────┘
                             ▼
 ┌────────────────────────────────────────────────────────┐
 │ 步骤 3: 在粗网格上计算 ε(λ)，通过拉格朗日多项式插值    │
 │ 粗略定位能级泛函零点，圈定窄区间 (Zooming)              │
 └───────────────────────────┬────────────────────────────┘
                             ▼
 ┌────────────────────────────────────────────────────────┐
 │ 步骤 4: 在窄区间内，利用经典模拟退火(SA)评估波函数     │
 │ 波动范围，收敛其系数变分边界 [c_r,min, c_r,max]         │
 └───────────────────────────┬────────────────────────────┘
                             ▼
 ┌────────────────────────────────────────────────────────┐
 │ 步骤 5: 将优化后的 QUBO 参数硬编码送入 D-Wave 量子处理器│
 │ 进行物理退火，读取最优系数 {c_r} 的量子测量解           │
 └───────────────────────────┬────────────────────────────┘
                             ▼
 ┌────────────────────────────────────────────────────────┐
 │ 步骤 6: 结合预计算的约化矩阵元，后处理输出 HFS 常数 A  │
 └────────────────────────────────────────────────────────┘

1.4.3 组态空间截断（CSF Truncation）机制

由于 D-Wave Advantage 处理器的连接限制，若完整保留大基组的所有 CSF，会导致嵌入失败。因此，该工作引入了基于独立电子对近似（IEPA）和一阶相对论微扰理论的 CSF 截断方案。对于第 $r$ 个 CSF，其对基态波函数的贡献系数 $c_r$ 可预先估算为：

通过计算该预估值，将所有贡献极小（如小于 $10^{-4}$）的 CSF 剔除。对于 Li 和 $Be^+$ 系统，成功将 CSF 数量从 14 截断缩减至 11；对于 Na 系统缩减至 10；对于 $Mg^+$ 系统缩减至 12。这使得问题规模被严格控制在 $B \le 12$ 内。对于 $K=10$（即10位比特表示一个系数），所需的逻辑量子比特数仅为 $BK \le 120$ 个。这在 Pegasus 拓扑结构上可以实现极佳的链长控制与极低的退火误差。

2. 关键 Benchmark 体系，计算所得数据，性能数据

本研究选择了四个极具代表性的轻原子及单电荷离子体系作为 Benchmark 基准，所有体系均处于最低角对称态，即总电子角动量 $J = 1/2$ 且为偶宇称（$2S_{1/2}$ 态）。

2.1 锂原子（Neutral $^{7}Li$, $J=1/2$）

锂原子是碱金属中最轻的体系，其核自旋 $I = 3/2$，核磁矩 $\mu_I = 3.256427 \mu_N$。研究分别测试了采用 $2p$、$3s$ 以及 $2p, 3s$ 混合相关轨道的配置。表 1 给出了详细的数据对比：

表 1：中性锂原子（$^2S_{1/2}$）基态能量与磁偶极 HFS 常数 $A$ 对比

数据解读：无论是单关联轨道还是混合关联轨道，QA（D-Wave 硬件运行结果）与 RCI-GRASP 结果在超精细常数 $A$ 上均达到了惊人的 0.000% 相对误差，完美再现了经典物理极限。同时，计算结果清晰地展现了物理规律：加入 $3s$ 虚轨道后，HFS 常数从 285.938 MHz 大幅跃升至 392.935 MHz，这表明 $s$ 轨道在近核区域具有极大的径向波函数振幅，对超精细相互作用起到了主导性支配作用。

2.2 类锂铍离子（$^{9}Be^{+}$, $J=1/2$）

类锂铍离子作为带电体系，其核电荷数 $Z=4$。带电荷的原子核会对电子产生更强的静电引力，使波函数向核区收缩，从而放大了超精细算符的作用效果。其核自旋 $I = 3/2$，核磁矩 $\mu_I = -1.177432 \mu_N$（注意：其磁矩为负值，导致 $A$ 常数为负）。表 2 展示了测试结果：

表 2：$Be^{+}$ 离子基态能量与磁偶极 HFS 常数 $A$ 对比

数据解读：在 $Be^{+}$ 体系中，QA 求解出的 HFS 常数再次达成了 0.000% 的误差。值得注意的是，即使在能量本征值存在轻微偏差（如 $3s$ 配置下能量误差为 0.203%），其超精细结构常数依然完全精确。这是因为在该物理体系中，基态主组态系数 $c_1$ 占据了绝对主导地位（$c_1 \approx -0.999$）。由于 QAE 算法在寻找主成分系数上具有极强的鲁棒性，而 HFS 常数与主系数平方 $c_1^2$ 的依赖性最高，这使得性质计算对非主导高激发态系数微小扰动的容错性显著提高。

2.3 中性钠原子（Neutral $^{23}Na$, $J=1/2$）

钠原子属于第三周期，核电荷数 $Z=11$。随着核电荷数的增加，内层电子（$1s, 2s, 2p$）对价电子的屏蔽效应以及核区相对论效应对精度的影响急剧增加。核自旋 $I = 3/2$，$\mu_I = 2.217522 \mu_N$。表 3 汇总了其多组态计算结果：

表 3：中性钠原子（$^2S_{1/2}$）基态能量与 HFS 常数对比

数据解读：对于包含多层芯电子激发的 Na 原子，在不截断的情况下，QA 的误差保持在 0.000%。即使在极具挑战性的 14 态截断为 10 态的激进方案下，超精细常数的绝对偏差仅为 0.068 MHz（相对误差为微不足道的 0.009%）。这一结果充分论证了 QAE 算法在处理具有复杂芯极化效应（Core Polarization）的中重原子体系时的卓越物理描述能力。

2.4 类钠镁离子（$^{25}Mg^{+}$, $J=1/2$）

镁离子的核电荷数 $Z=12$，核自旋 $I = 5/2$，$\mu_I = -0.85545 \mu_N$。表 4 记录了其 HFS 常数 $A$ 的计算表现：

表 4：$Mg^{+}$ 离子基态能量与 HFS 常数对比

性能总结：所有四个测试体系的实验结果一致表明，该研究所提出的改进型 QAE 算法与基组截断技术完美兼容。在 D-Wave 真实量子芯片上，其计算出的物理波函数完全具备了经典量子化学计算的同等精度。

3. 代码实现细节，复现指南，所用的软件包及开源 repo link

对于致力于在 D-Wave 硬件上复现此工作的研究人员，完整的计算管道（Pipeline）可以分为经典物理量预计算与量子退火求解器执行两个主要部分。整个计算架构如下图所示：

                                  ┌───────────────────────┐
                                  │   GRASP2018 软件包    │
                                  │ (经典双电子矩阵元计算) │
                                  └──────────┬────────────┘
                                             │
                                             │ 输出: H_rs 与 T_rs 矩阵元
                                             ▼
                                  ┌───────────────────────┐
                                  │  Python 经典控制端    │
                                  │ (读取数据, ZSA算法调度)│
                                  └──────────┬────────────┘
                                             │
                                             │ 构造 QUBO 变分问题
                                             ▼
 ┌────────────────────────┐       ┌───────────────────────┐
 │   D-Wave Ocean SDK     ├───────►  dwave-system 物理嵌入   │
 │ (Sampler & Embedding)  │       │   (Pegasus 拓扑映射)   │
 └────────────────────────┘       └──────────┬────────────┘
                                             │
                                             │ 运行 1000 次退火采样
                                             ▼
                                  ┌───────────────────────┐
                                  │ D-Wave Advantage QPU  │
                                  │    (物理自旋状态演化)  │
                                  └───────────────────────┘

3.1 预计算步骤与 GRASP 软件环境

经典相对论波函数的生成基于 Fortran 95 编写的 GRASP2018 开源软件包。该软件实现了多组态狄拉克-哈特里-福克（MCDHF）方法：

1. 编译并安装 GRASP2018。其官方开源仓库托管于 GitHub 平台：
   • GRASP2018 开源 Link: https://github.com/jPhysicists/grasp2018
2. 编写原子结构输入卡，配置电子组态、单/双激发轨道以及核自旋常数参数。运行 rnsl 和 rci 模块，输出原子哈密顿矩阵元 $H_{rs}$。
3. 调用 rhfs 模块，计算一阶超精细相互作用算符的约化矩阵元 $\langle \Phi_r \Vert T_e^{(1)} \Vert \Phi_s \rangle$。

3.2 Python 核心 QAE 算法实现（基于 D-Wave Ocean SDK）

为了能在 D-Wave 退火器上运行，需要安装 Ocean SDK 工具包：

pip install dwave-ocean-sdk

下面提供一个简化版的基于 Python 的改进型 QAE 算法与拉格朗日乘子寻优核心复现代码框架：

import numpy as np
from dwave.system import DWaveSampler, EmbeddingComposite
import dimod

class ModifiedQAE:
    def __init__(self, H_matrix, B, K=10, c_min=-1.0, c_max=1.0):
        """
        H_matrix: 经典计算得到的 B x B 相对论哈密顿矩阵
        B: CSF 态函数的个数
        K: 每个系数分配的量子比特数 (K-bit 浮点数表示)
        """
        self.H = H_matrix
        self.B = B
        self.K = K
        self.c_min = c_min
        self.c_max = c_max
        self.delta_c = (c_max - c_min) / (2**(K-1))

    def decode_coefficients(self, sample):
        """将测量的二进制比特解 q 还原为实数波函数系数 c_r"""
        c = np.zeros(self.B)
        for r in range(self.B):
            val = self.c_min
            for k in range(self.K):
                bit_val = sample.get(f'q_{r}_{k}', 0)
                val += bit_val * (2**(-k)) * (self.c_max - self.c_min)
            c[r] = val
        return c

    def build_qubo(self, lmbda):
        """
        构建 ε(λ) = c^T H c - λ c^T c 的 QUBO 表达式
        """
        qubo = {}
        # 遍历所有系数的组合进行 QUBO 参数映射
        for r in range(self.B):
            for s in range(self.B):
                # 获取哈密顿和重叠项贡献
                coeff_rs = self.H[r, s] - (lmbda if r == s else 0.0)
                
                # 展开连续变量到二进制形式
                for k in range(self.K):
                    for l in range(self.K):
                        # 对应变量索引
                        var_i = f'q_{r}_{k}'
                        var_j = f'q_{s}_{l}'
                        
                        # 转换因数
                        weight_i = (2**(-k)) * (self.c_max - self.c_min)
                        weight_j = (2**(-l)) * (self.c_max - self.c_min)
                        
                        val = coeff_rs * weight_i * weight_j
                        
                        # 存入 QUBO 字典
                        if var_i == var_j:
                            qubo[(var_i, var_i)] = qubo.get((var_i, var_i), 0) + val
                        else:
                            # 保证对称性，存储无向边权重
                            edge = tuple(sorted([var_i, var_j]))
                            qubo[edge] = qubo.get(edge, 0) + 2 * val
        return qubo

    def solve_on_dwave(self, lmbda, num_reads=1000):
        """在物理 D-Wave 硬件上求解单个 λ 下的 QUBO"""
        qubo = self.build_qubo(lmbda)
        
        # 实例化 D-Wave 物理采样器与嵌入层
        sampler = EmbeddingComposite(DWaveSampler())
        
        # 提物理交退火任务
        response = sampler.sample_qubo(qubo, num_reads=num_reads, label='QAE_HFS_Calculation')
        
        best_sample = response.first.sample
        best_energy = response.first.energy
        
        # 解码获取系数
        c_opt = self.decode_coefficients(best_sample)
        # 归一化处理
        c_opt /= np.linalg.norm(c_opt)
        
        return c_opt, best_energy

# 运行示例
if __name__ == "__main__":
    # 假设一个预计算的 3x3 锂原子哈密顿矩阵 (示例)
    H_demo = np.array([[-7.455,  0.001, -0.012],
                       [ 0.001, -7.102,  0.045],
                       [-0.012,  0.045, -6.890]])
    
    # 实例化算法对象 (B=3, K=10)
    qae = ModifiedQAE(H_demo, B=3, K=10)
    
    # 精确λ（物理基态能量）扫描测试（Zooming核心流程）
    lambda_test = -7.4550  # 初始估计
    coefficients, energy_val = qae.solve_on_dwave(lmbda=lambda_test)
    print("D-Wave 计算出的最优波函数系数 c_r:", coefficients)

4. 关键引用文献，以及对这项工作局限性的评论

4.1 关键引用文献

本研究的核心立论和方法演进主要依赖于以下几篇经典文献：

1. 量子退火基础：T. Kadowaki and H. Nishimori, “Quantum annealing in the transverse Ising model”, Phys. Rev. E 58, 5355 (1998). 该文献奠定了量子退火的基础物理框架，阐明了利用横向场隧穿效应寻找经典哈密顿量基态的方法。
2. QAE 算法的起源：A. Teplukhin, B. K. Kendrick, and D. Babikov, “Calculation of molecular vibrational spectra on a quantum annealer”, J. Chem. Theory Comput. 15, 4555 (2019). 该工作首次提出了通过在拉格朗日框架下调节参数 $\lambda$ 来求解本征值问题的经典-量子混合框架。
3. 精细结构与相对论量子力学：V. Kumar, N. Baskaran, V. S. Prasannaa, K. Dyall, and B. Das, “Computation of relativistic and many-body effects in atomic systems using quantum annealing”, Phys. Rev. A 109, 042808 (2024). 这是该团队前期的系列研究，首次论证了如何使用量子退火器处理相对论精细结构分裂，为本研究向超精细常数的演进指明了技术通路。
4. 经典 MCDHF 算法包：P. Jönsson et al., “An introduction to relativistic theory as implemented in grasp”, Atoms 11, 10 (2023). 该包是目前世界上最精确的相对论原子结构计算程序，为该工作提供了坚实的经典物理学基准。

4.2 技术局限性与深刻评论

尽管本工作成功迈出了量子退火计算“能量以外物理性质”的第一步，但从前沿定量量子化学和工业级精密物理学的要求来看，本研究依然暴露出以下三个显著的局限性：

4.2.1 物理体系维度的扩展瓶颈（维度灾难）

当前实验中的 CSF 基组空间极其有限（$B \le 12$）。然而，对于较重或电子层级更为繁复的过渡金属、锕系原子（如研究宇称不守恒的 $^{133}Cs$ 或超重元素），由于其强关联效应和电子层数的剧增，精确模拟所需的 CSF 往往高达 $10^5$ 至 $10^7$。由于 QAE 的浮点数表示采用的是直接系数映射方案，所需的物理比特数呈 $B \times K$ 线性增长。更关键的是，哈密顿量在 CSF 基底下是非稀疏的，从而产生接近 $B^2$ 的强耦合双体项。 这对于物理比特连接度仅有 15 的 D-Wave 硬件而言，即使使用最新的 Advantage2 拓扑结构，其嵌入开销也会呈指数级上升，造成比特链断裂或无法成功完成嵌合物理图映射。因此，现有的算法形式无法直接外推到百态以上的复杂化学体系。

4.2.2 变分精度与量子比特开销的折中矛盾

本工作将浮点数精度限制为 3 位小数（$K = 10$ 比特）。若要使精度达到精密物理学研究所需的 5 到 6 位有效数字（这在解释宇宙学 21 厘米氢线或核磁矩精密标定中是必须的），则每个系数必须分配 $K \ge 20$ 个比特。这将直接导致量子退火器内部的自旋相互作用矩阵极其庞大且系数范围跨越数个数量级。量子退火器固有的数模转换（DAC）精度限制以及物理温度引入的热噪声（Thermal Noise），会导致芯片根本无法分辨极小的耦合项。这构成了量子退火技术向“超高精度”物理计算进军的根本性硬件屏障。

4.2.3 QAE 变分循环的经典算力依赖（“假量子加速”）

算法在“缩放（Zooming）”阶段高度依赖经典计算机对泛函零点的搜索。当矩阵维数 $B$ 极大时，即使经典插值能够完成，频繁在经典-量子间交互数据并重新上传 QUBO 参量，会产生极高的编译和排队硬件延迟（I/O Latency）。与经典成熟的 Lanczos 或 Davidson 特征值对角化算法相比，这种混合迭代方法在执行效率上目前没有任何优势。这意味着，现阶段该算法的物理启示意义远大于其实际加速价值。

5. 其他必要的补充

5.1 原子物理学背景：为何超精细结构常数如此重要？

原子超精细结构在物理学中占有至关重要的地位。它源于核外电子运动产生的磁场与原子核自身磁偶极矩的微弱磁相互作用。超精细能级的分裂极为微小，通常在微波波段。由于其分裂能级极为精确稳定，人类定义一秒的物理标准（基准铯原子钟）正是建立在 $^{133}Cs$ 基态两个超精细能级之间的跃迁频率（$9,192,631,770 \text{ Hz}$）之上。此外，天体物理学中用于标定宇宙早期星系分布的 21 厘米氢线（21cm line），同样也是氢原子基态超精细分裂的自发辐射跃迁。因此，精确描述超精细相互作用，是构建高精度光晶格原子钟、进行暗物质精密探测、探索精细结构常数 $\alpha$ 的时间变异性等前沿物理的核心理论支撑。

5.2 相对论效应的物理本质与核区行为

在非相对论性薛定谔方程中，对于具有非零角动量的轨道（如 $p$ 轨道、 $d$ 轨道），当 $r \to 0$ 时，其径向波函数表现为：

这意味着，只要 $l \ge 1$（非 $s$ 轨道），电子在核处的发现概率就严格为 0。然而，在相对论性狄拉克方程中，由于自旋-轨道耦合，角动量 $j = 1/2$ 状态下的波函数满足：

其中，$\gamma = \sqrt{\kappa^2 - (Z\alpha)^2}$。由于 $\gamma < 1$，当 $r \to 0$ 时，相对论径向波函数在核区表现出弱奇异性（Weak Singularity）或极大增加的振幅。正是这一相对论动力学效应，导致重原子的 $p_{1/2}$ 状态对超精细结构常数具有非零且十分显著的直接贡献。这也完美解释了本研究第三部分（表 3 和表 4）中的现象：对于中性钠和类钠镁，必须在关联轨道中加入相对论性 $p_{1/2}$（即 $3p_j$ 组分）及自旋极化轨道，才能让 HFS 计算结果逼近经典极佳对角化水平。这一物理深度被改进型 QAE 算法完美保留并捕捉，充分证明了相对论计算路径的正确性。

5.3 量子退火器（QA）与门型量子计算机（Gate-Based QC）的对比

目前，在门型量子计算机上，研究人员通常采用变分量子特征值求解器（VQE）或量子相位估计算法（QPE）来求解原子物理问题。为了使读者能清晰地了解两种范式的技术异同，表 5 给出了详细的横向对比：

表 5：基于量子退火器与门型量子计算机在物理性质计算上的特性对比

5.4 未来发展路径展望

为推动量子退火在原子物理学和定量化学预测中的产业级应用，未来的研究必须突破现有的物理框架。一个极富前景的方向是引入非局部连接优化算子和混合量子比特（Hybrid Qubits）表示技术：

1. 通过将高精度的系数表示任务交由经典的 GPU 协同对角化器执行，而让量子退火器专门负责在大维数非凸割图（Non-convex Cut）组态空间中快速识别和定位出具有最大物理贡献的 CSF 优势子空间（Active Space Selector）。这种“量子退火基组智能截断 + 经典精密对角化”的协同演化方案，将完美发挥退火器在多变量搜索上的独特优势，从而绕过其 DAC 模拟精度的物理瓶颈。
2. 进一步引入非相对论到相对论的渐进微扰技术，仅在退火器上编码超精细扰动哈密顿量。这有望使计算规模进一步缩减，让量子芯片在当前硬件约束下有能力计算如钫（$^{221}Fr$）或重类氦离子等对探索超越标准模型新物理（New Physics Beyond Standard Model）、搜寻原子电偶极矩（EDM）等物理学终极谜题具有关键作用的重金属原子体系。