来源论文: https://arxiv.org/abs/2607.08235v1 生成时间: Jul 10, 2026 15:55

迈向全谱原子核结构计算：基于 ADAPT-SSVQE 的核壳模型量子模拟深度解析

0. 执行摘要

在现代核物理学中，原子核多体系统的精确求解一直是理论计算的圣杯。**原子核壳模型（Nuclear Shell Model）**作为描述原子核微观结构的标准范式，其核心挑战在于：随着价空间（Valence Space）核子数及单粒子轨域轨角动量 $j$ 的增加，希尔伯特空间（Hilbert Space）的维度呈指数级爆炸。这种“维度灾难”使得经典的精确对角化（Exact Diagonalization, 如 Lanczos 算法）在面对中重质量原子核时迅速失效，极大地限制了我们对原子核激发态光谱、放射性衰变链以及天体物理核反应过程的理解。

近年来，量子计算作为一种能够天然表征多体量子纠缠和重叠的全新计算范式，为绕过维度灾难提供了革命性的可能。然而，现有的变分量子特征求解器（VQE）大多专注于基态求解，而对于核物理中至关重要的全谱分析（Complete Spectroscopy）——即同时高精度地获取基态和一系列激发态的能量、自旋、宇称等信息——仍缺乏高效且鲁棒的量子算法支持。

本文深度解析了一项里程碑式的工作：**基于自适应导数装配伪特罗特子空间搜索变分量子特征求解器（ADAPT-SSVQE）**的核壳模型全谱量子模拟。该工作由 B. Maheshwari、P. Stevenson 和 P. Van Isacker 提出，首次将自适应变分电路构建（ADAPT-VQE）与子空间搜索（SSVQE）相结合，在一趟变分优化运行中，同时提取出目标对称性子空间内的全部低能量子态。该算法在 10 个超导量子比特的主动空间内成功复现了 $j = 9/2$（$0g_{9/2}$ 轨域）下二核子（5个正交态）和三核子（10个正交态）系统的完整低能光谱，展现了光谱级的计算精度（相对误差 $< 10^{-6}$），并展示了对总角动量 $J^2$ 旋转对称性的自发恢复。本博客将从理论基础、技术难点、方法细节、Benchmark 数据、代码复现以及局限性等维度进行深度剖析。

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：原子核壳模型与维度灾难

原子核是由强相互作用（残留强力）将质子和中子约束在微观空间内形成的多粒子量子系统。核壳模型的基本假定是，每个核子在由其他核子产生的平均场（Mean Field）中运动，并伴随有剩余相互作用（Residual Interaction）。在第二量子化表象下，壳模型的有效哈密顿量 $H_{eff}$ 通常被截断到一单粒子项和两体相互作用项：

$$H_{eff} = \sum_{ab} \epsilon_{ab} a^\dagger_a a_b + \frac{1}{4} \sum_{abcd} \langle ab|V|cd\rangle_A a^\dagger_a a^\dagger_b a_d a_c$$

其中，$\epsilon_{ab}$ 是单粒子能量，$\langle ab|V|cd\rangle_A$ 是反对称化的两体矩阵元（Two-body Matrix Elements, TBMEs）。创建算符 $a^\dagger_i$ 和湮灭算符 $a_i$ 分别对应于在 $m$-Scheme（磁量子数表象）下单粒子态 $|n, l, j, m_j\rangle$ 的填装。

对于 $A$ 个等同核子（均为中子或均为质子）在轨道角动量为 $j$ 的单粒子轨道中的填充，其希尔伯特空间的维度由组合数给给出：

$$D = \binom{2j+1}{A}$$

当 $j = 9/2$（对应 $0g_{9/2}$ 轨域，单粒子态数 $2j+1=10$）且核子数 $A=2$ 时，维度仅为 $\binom{10}{2} = 45$，可以通过经典的精确对角化轻松解决。然而，一旦我们考虑多壳层混合、质子-中子混合（引入同位旋 $T$ 自由度），或者向中重核区迈进时（例如，在 $pf$ 壳层和 $sdg$ 壳层中），希尔伯特空间维度将轻松突破 $10^{10}$ 乃至更高，这彻底超越了经典超级计算机的存储器对角化极限。如何在有限的量子硬件资源下，精确模拟高维希尔伯特空间中的全部低能激发态，是当前核物理量子模拟的核心科学问题。

1.2 理论基础：费米子到量子比特的映射（Jordan-Wigner 变换）

为了在物理量子处理器上运行上述费米子哈密顿量，必须将其转换为作用在自旋1/2量子比特上的泡利算符。这需要严格保持费米子的反对易关系：

$$\{a_i, a_j^\dagger\} = \delta_{ij}, \quad \{a_i, a_j\} = \{a_i^\dagger, a_j^\dagger\} = 0$$

论文采用了经典的 Jordan-Wigner (JW) 变换。对于第 $j$ 个单粒子轨道（此处 $j$ 表示轨道索引而非角动量）：

$$a_j \rightarrow \left[ \prod_{k=1}^{j-1} Z_k \right] \frac{1}{2}(X_j + iY_j)$$$$a^\dagger_j \rightarrow \left[ \prod_{k=1}^{j-1} Z_k \right] \frac{1}{2}(X_j - iY_j)$$

其中 $X_j, Y_j, Z_j$ 是作用在第 $j$ 个量子比特上的泡利算符。中间的 $Z$-String（即 $\prod_{k=1}^{j-1} Z_k$）是该变换的关键所在，它显式地存储了多粒子波函数的全局位相信息，从而在非局域的比特操作中完美保全了费米子的反对易反对称性。经过 JW 变换后，壳模型哈密顿量被表示为一系列泡利算符张量积（Pauli Strings）的加权和：

$$H = \sum_m h_m P_m, \quad P_m \in \{I, X, Y, Z\}^{\otimes N}$$

1.3 核心方法一：子空间搜索变分量子特征求解器（SSVQE）

传统的变分量子特征求解器（VQE）仅以基态能量最小化为目标。为了同时求解多个低能激发态，人们开发了各种变体（如重叠罚项法 VQD 等）。然而，VQD 需要顺序优化，容易发生误差累积（Error Accumulation）。

本工作采用的 SSVQE（Subspace Search VQE） 是一种并行化的一趟式（Single-run）激发态求解方案。其理论逻辑非常优雅：

  1. 选择一组互不相同且严格正交的输入基态序列 $\{|\phi_i\rangle\}_{i=0}^{k-1}$（在核物理中，通常直接选择易于在硬件上初始化的正交哈特里-福克（Hartree-Fock）真空或组态）。

  2. 使用相同的参数化单体酉变换 $U(\vec{ heta})$ 作用于所有的输入基态，生成一组演化后的状态 $|\Psi_i(\vec{ heta})\rangle = U(\vec{ heta})|\phi_i\rangle$。由于 $U(\vec{ heta})$ 的酉性，这组目标态自始至终保持严格的相互正交性：

    $$\langle \Psi_i(\vec{ heta})|\Psi_j(\vec{ heta})\rangle = \langle \phi_i|U^\dagger U|\phi_j\rangle = \delta_{ij}$$

  3. 构建带权重的子空间能量损失函数（Loss Function）：

    $$L(\vec{ heta}) = \sum_{i=0}^{k-1} w_i \langle \phi_i | U^\dagger(\vec{ heta}) H U(\vec{ heta}) | \phi_i \rangle = \sum_{i=0}^{k-1} w_i E_i(\vec{ heta})$$

    其中，权重 $w_i$ 必须是严格递减的正数序列，即 $w_0 > w_1 > \dots > w_{k-1} > 0$。在实际计算中，通常取 $w_i = k - i$。根据变分原理的子空间推广（Minimax Theorem），当且仅当 $|\Psi_i(\vec{ heta})\rangle$ 收敛到哈密顿量 $H$ 的前 $k$ 个真实特征态（按照能量升序排列）时，整个权重和 $L(\vec{ heta})$ 达到全局最小值。这种机制迫使优化器在优先降低基态能量的同时，依次将其余的正交态推向最低的激发态。

1.4 核心方法二：自适应电路构建（ADAPT-Ansatz）

在 NISQ（Noisy Intermediate-Scale Quantum）时代，固定的 Ansatz（如 UCC 及其变体）往往会导致极深的电路和极高的 CNOT 门开销，从而因相干时间不足和高噪声导致模拟失败。ADAPT-VQE 策略则通过从预定义算符池（Operator Pool）中动态、迭代地选择最具“能量梯度贡献”的算符来组装电路。

在 ADAPT-SSVQE 中，对于每一次迭代 $iter$，我们计算算符池 $P$ 中每一个算符 $A$ 对整个 SSVQE 损失函数的加权梯度：

$$G_{iter} = \max_{A \in P} \left| \sum_{i=0}^{k-1} w_i \langle \Psi_i(\vec{ heta}) | i[H, A] | \Psi_i(\vec{ heta}) \rangle \right|$$

选择具有最大梯度绝对值 $G_{iter}$ 的算符 $A_{iter}$ 附加到当前的酉变换序列中：

$$U(\vec{ heta}) = \prod_{iter} \exp(-i \theta_{iter} A_{iter})$$

随后，使用经典优化算法（如 L-BFGS-B）对所有的参数 $\vec{ heta}$ 进行整体重新对角化/最优化。当最大梯度低于设定的阈值（本工作中为 $10^{-2}$ MeV），或连续迭代间的能量差 $\Delta E < 10^{-2}$ 时，算法终止。这种策略确保了每一层电路的加入都有着明确的物理物理动机（即能最大程度降低能量），从而构建出极度紧凑且高效的量子线路。

1.5 技术难点：对称性保护与 J^2 对称性恢复

在量子化学和核物理量子模拟中，量子数守恒（Symmetry Preservation） 具有决定性的作用。如果不加约束，变分状态极易漂移到非物理的对称性扇区（如粒子数不守恒、磁量子数混杂等）。

1.5.1 $M_J$ 磁量子数守恒算符池的设计

本研究将计算严格限制在特定的总磁投影 $M_J = \sum_i m_i$ 子空间内。为此，作者设计了一个对称性约束算符池，仅包含双激发算符（Double-Excitation Operators）：

$$T \equiv T_{ab}^{cd} = a^\dagger_c a^\dagger_d a_b a_a$$

其中，产生轨域和湮灭轨域的磁投影索引必须满足守恒律：

$$m_c + m_d = m_a + m_b$$

通过利用 Jordan-Wigner 变换将这些满足磁守恒的算符转换为厄米泡利算符 $A = i(T - T^\dagger) \in P$，确保了变分演化算符 $\exp(-i \theta A)$ 绝对不会破坏 $M_J$ 对称性。这极大地压缩了参数搜索的广度。

1.5.2 $J^2$ 总角动量旋转对称性的自发恢复

尽管 $M_J$ 的守恒性被显式注入了算符池，但 $T_{ab}^{cd}$ 算符本身在数学上并不与总角动量算符 $J^2$ 对易。因此，在优化的中间阶段，波函数可能会偏离理想的 $J$ 本征态。然而，由于核哈密顿量与旋转群生成元满足 $[H, J^2] = 0$，且不同的 $J$ 态在能量上是分裂的，变分能量最小化的物理驱动力会自发地将波函数拉回 $J^2$ 的本征态。为了验证这一点，作者利用 JW 变换在主动空间显式重构了包含 270 个泡利项的 $J^2$ 算符：

$$J^2 = J_z^2 + \frac{1}{2}(J_+ J_- + J_- J_+)$$

并在收敛后测量了每个状态的 $\langle J^2 \rangle$，进而由关系式 $\langle J^2 \rangle = J(J+1)$ 完美反解出了各能级的角动量量子数 $J$。这一步不仅实现了无监督的“对称性恢复”，也为物理能级的自旋分配（Spin Assignment）提供了直接的方法。

2. 关键 Benchmark 体系、计算所得数据与性能分析

为了评估 ADAPT-SSVQE 算法的计算精度、收敛效率和资源开销，论文以等同核子限制在 $0g_{9/2}$ 轨道内的两体与三体多体系统为 Benchmark。两体相互作用矩阵元（TBMEs）和单粒子能量采用被广泛认可的、适用于 $f_{5/2}pg_{9/2}$ 价空间的 JUN45 有效相互作用。

2.1 二核子系统 ($N = 2$, 10-Qubit 主动空间)

对于两个处于 $0g_{9/2}$ 轨道的等同核子（如 $^{98}$Cd 的空穴，或 $^{82}$Ge 的质子/中子部分），目标是在 $M_J = 0$ 扇区（对应 5 个物理正交态）重建其激发射谱。这 5 个态根据角动量耦合规则，其总角动量只能取偶数：$J = 0, 2, 4, 6, 8$。

2.1.1 初始状态初始化（图 1 细节）

算法首先初始化 5 个相互正交的 Hartree-Fock 状态。如图1所示，红圈代表磁子空间轨道的填装状况：

  • $|\phi_0\rangle \rightarrow [q_4, q_5]$（对应 $m_j$ 组合：$[-0.5, 0.5]$）
  • $|\phi_1\rangle \rightarrow [q_0, q_1]$（对应 $m_j$ 组合：$[-4.5, 4.5]$）
  • $|\phi_2\rangle \rightarrow [q_6, q_7]$（对应 $m_j$ 组合：$[-1.5, 1.5]$）
  • $|\phi_3\rangle \rightarrow [q_2, q_3]$（对应 $m_j$ 组合：$[-3.5, 3.5]$）
  • $|\phi_4\rangle \rightarrow [q_8, q_9]$（对应 $m_j$ 组合：$[-2.5, 2.5]$） 这 5 个态均精确对应于 $M_J = 0$ 的子空间，且显然相互正交。

2.1.2 能量收敛性与相对误差（图 2(a) & 2(b) 深度解读）

+--------------------------------------------------------+
|                   二核子收敛能量比较                     |
+-------------+--------------------+---------------------+ 
| State No.   | ADAPT-SSVQE (MeV)  | Exact Diag. (MeV)   | 
+-------------+--------------------+---------------------+ 
| State 0     |     -14.197        |      -14.197        | 
| State 1     |     -13.473        |      -13.473        | 
| State 2     |     -12.610        |      -12.610        | 
| State 3     |     -12.373        |      -12.373        | 
| State 4     |     -12.257        |      -12.257        | 
+-------------+--------------------+---------------------+

如图 2(a) 所示，随着迭代次数的增加，5 个态的模拟能量逐步单调递减并逼近虚线代表的经典精确对角化极限。在第 5 次迭代时，基态能量已经骤降至 $-13.933$ MeV；到第 10 次迭代时，算法完全收敛。图 2(b) 清楚显示，在第 10 次迭代后，所有 5 个态的相对误差均大幅降至 $10^{-6}$ 以下，达到了优异的光谱级精度（Spectroscopic Accuracy）。

2.1.3 电路深度与 CNOT 门开销（图 2(c) & 2(d) 分析）

  • 算符挑选机制：在第一次迭代时，系统选择了一个初始梯度高达 $G_1 = 1.432$ MeV 的双激发算符，经 classical 优化后得到旋转参数 $\theta_1 = -0.967$。
  • CNOT 门编译：每个 $M_J$ 守恒的双激发算符在经 JW 映射后，展开为含有奇数个 $Y$ 算符的 8 个泡利串。采用标准 CNOT 阶梯（CNOT Staircase）网络，每一个 4 比特相互作用项需要 $3 \times 2 = 6$ 个 CNOT 门。由于极佳的抵消性质，这最终导致每个算符所需的 CNOT 基线开销仅为固定的 48 个。
  • 总线路规模：整个 10 步迭代累积优化了 10 个变分参数，总 CNOT 门数为 $10 \times 48 = 480$ 个。该规模处于当前高端 NISQ 硬件可承受的极限边缘，展现了极强的线路压缩优势。

2.1.4 波函数成分剖析（表 1 深度理解）

在收敛后，我们分析所得到的量子态向量成分：

  • State 0 (Ground State, $J=0$)： $$|\Psi_{0}\rangle = 0.4472[q_4, q_5] + 0.4472[q_0, q_1] - 0.4472[q_6, q_7] - 0.4472[q_2, q_3] + 0.4472[q_8, q_9]$$ 注意到其所有的系数绝对值均为 $0.4472 \approx 1/\sqrt{5}$，这在物理上完全等价于一个完美的基态配对态（Pure Pairing State）！这表明该算法在完全没有先验物理知识的背景下，完美重构出了核力中的配对机制（Pairing Force）。
  • J 值的恢复：通过对 $J^2$ 算符的期望值测量，得到的 $\langle J^2 \rangle$ 分别精确对应于 0.0, 6.0, 20.0, 42.0, 72.0。由 $J(J+1)$ 换算，它们分别对应 $J = 0, 2, 4, 6, 8$，自旋赋值百分之百正确。

2.2 三核子系统 ($N = 3$, 10-Qubit 主动空间)

当核子数增加到 3 时（如 $^{97}$Ag 或 $^{83}$Ge 体系），计算复杂度呈指数式上升。在 $M_J = 0.5$ 的子空间中，经典精确对角化给出共计 10 个相互正交的特征态。对于奇 $A$ 核，其总角动量必须为半整数：$J = 1.5, 2.5, 3.5, 4.5, 5.5, 6.5, 7.5, 8.5, 10.5$（其中 $J=4.5$ 存在两重简并，即高低 seniority 的混合）。

2.2.1 收敛特性（图 3 深度解读）

  • 梯度振荡与稳定：由于三体体系的势能面（Potential Energy Landscape）极其复杂，最大梯度展现出非单调的非简谐震荡行为（如图 3(c)）。在第 20 次迭代时，梯度降至 $G_{20} = 0.551$ MeV，最终在 39 次迭代后彻底收敛，最大能量涨落稳定在极其微小的 $0.006$ MeV 范围内。
  • CNOT 开销：由于迭代次数增加，CNOT 门数随步数线性增加（如图 3(d)），最终在第 39 步达到了 2768 个 CNOT 门。尽管对目前的物理硬件来说这仍是一项巨大的挑战，但该算法在没有退化、没有溢出错误的情况下成功解析了全部 10 个相互正交的激发态。
  • 对称性轻微破缺（Symmetry Breaking）：从表 2 中我们可以清晰地观察到，由于设定的收敛截断阈值和算符池简化的缘故，三体系统在 $J^2$ 算符的测量中出现了极其轻微的对称性破缺。例如，理论上的 $J = 4.5$ 态其期待值应为 $4.5 \times 5.5 = 24.75$，而 ADAPT-SSVQE 的实测值为 22.59；理论 $J=3.5$ 应为 $15.75$，实测为 17.90。这种微小的偏离属于数值收敛极限，但在统计学上仍具备无歧义的自旋主宰识别特征。

3. 代码实现细节、复现指南与开源工具链

为了方便科研人员在经典的量子虚拟机（如 Qiskit Statevector Simulator）上复现本项工作，我们在此提供一份详尽的开发指南，并附带核心算法的伪代码逻辑。本工作核心代码依赖于经典开源量子计算库 Qiskit、费米子代数库 OpenFermion 以及经典数值优化库 SciPy。

3.1 基础软件栈准备

在 Python 环境中，需安装如下核心依赖库：

pip install qiskit qiskit-aer openfermion openfermionpyscf scipy numpy
  • Qiskit (AER)：负责构建和运行含有 CNOT 和旋转门的变分量子电路并进行态矢量模拟。
  • OpenFermion：负责生成 $0g_{9/2}$ 轨道的费米子产生湮灭算符、构建原始的二体哈密顿量、并调用内置函数执行 Jordan-Wigner 变换。
  • SciPy.optimize：提供 L-BFGS-B 经典非线性多维优化器，用以执行变分参数的最优化更新。

3.2 核心复现逻辑与算法流程

import numpy as np
from scipy.optimize import minimize
from openfermion import FermionOperator, jordan_wigner, get_sparse_operator
# 假定此处已通过 Qiskit 的 Statevector 实现变分电路的演化

class ADAPT_SSVQE_Nuclear:
    def __init__(self, num_qubits=10, num_nucleons=2, target_states=5):
        self.num_qubits = num_qubits
        self.num_nucleons = num_nucleons
        self.k = target_states
        self.weights = np.array([self.k - i for i in range(self.k)]) # w_i = k - i
        self.pool = []              # 存储对称性保护算符池
        self.selected_operators = [] # 被选中的 Ansatz 算符序列
        self.parameters = []        # 变分参数 theta
        
    def generate_mj_conserving_pool(self):
        """
        构建 M_J 守恒的双激发算符池 
        单粒子态 mj 对应：[-4.5, -3.5, -2.5, -1.5, -0.5, 0.5, 1.5, 2.5, 3.5, 4.5]
        索引映射为 0 至 9
        """
        m_values = [-4.5 + i for i in range(10)]
        for a in range(10):
            for b in range(a + 1, 10):
                for c in range(10):
                    for d in range(c + 1, 10):
                        # 施加磁选择定则以保持 M_J 守恒
                        if abs((m_values[c] + m_values[d]) - (m_values[a] + m_values[b])) < 1e-5:
                            # 构造 T_cd^ab - T_ab^cd
                            fermion_op = FermionOperator(f"{c}^ {d}^ {b} {a}") - FermionOperator(f"{a}^ {b}^ {d} {c}")
                            pauli_op = jordan_wigner(fermion_op) # JW 映射
                            if pauli_op.terms:
                                self.pool.append(pauli_op)
        print(f"成功生成 M_J 守恒双激发算符池，共包含 {len(self.pool)} 个候选算符。")

    def compute_loss(self, params):
        """
        SSVQE 核心损失函数：L(theta) = \sum w_i <phi_i | U^+(theta) H U(theta) | phi_i>
        """
        total_loss = 0.0
        # 1. 经典更新变分线路中所有的 theta 参数
        # 2. 对每个初始正交基态 psi_i 进行电路演化，计算期望值
        for i in range(self.k):
            psi_i = self.get_initial_state(i) # 例如初始化 HF 态 [q_0, q_1]
            evolved_psi = self.apply_ansatz_circuit(psi_i, params)
            energy_i = self.measure_hamiltonian(evolved_psi) # 测量 <H>
            total_loss += self.weights[i] * energy_i
        return total_loss

    def run_adapt_loop(self, max_iter=20):
        self.generate_mj_conserving_pool()
        
        for iteration in range(max_iter):
            # 1. 计算算符池中所有算符的加权梯度
            gradients = []
            for op in self.pool:
                grad = self.calculate_weighted_gradient(op)
                gradients.append(abs(grad))
            
            best_op_idx = np.argmax(gradients)
            max_grad = gradients[best_op_idx]
            
            print(f"第 {iteration+1} 次迭代 - 最大梯度: {max_grad:.5f} MeV")
            
            # 2. 检查收敛性
            if max_grad < 1e-2:
                print("算法已达到梯度收敛阈值。")
                break
                
            # 3. 将表现最优的算符加入电路，追加新的变分参数初始化为 0
            self.selected_operators.append(self.pool[best_op_idx])
            self.parameters.append(0.0)
            
            # 4. 调用 L-BFGS-B 进行全参数重新优化
            res = minimize(self.compute_loss, self.parameters, method='L-BFGS-B')
            self.parameters = list(res.x)
            
        return self.parameters

3.3 开源资源链接与推荐

为了在更广阔的空间探索类似的算法实现，推荐研究以下开源 Repo：

  1. Qiskit Algorithms (包含 VQD 和基本 VQE 的核心模块)：https://github.com/qiskit-community/qiskit-algorithms
  2. OpenFermion (经典费米子转自旋代数库)：https://github.com/quantumlib/OpenFermion
  3. ADAPT-VQE 原始复现代码库 (Virginia Tech Grimsley 团队开源)：https://github.com/vtqphysics/ADAPT-VQE

4. 关键引用文献与局限性批判性评论

4.1 关键引用文献

本项研究建立在量子信息技术与多体核物理理论交汇的数个基石工作之上，以下文献是深刻理解此篇工作不可或缺的支撑：

  1. [2] J. R. McClean, et al., New J. Phys. 18, 023023 (2016)：定义了 VQE 在电子及多体系统物理模拟中的变分框架标准。
  2. [9] H. R. Grimsley, et al., Nat. Commun. 10, 3007 (2019)：首次引入了 ADAPT-VQE 算法，实现了可动态生长的自适应量子线路搭建技术。
  3. [18] Ken M. Nakanishi, K. Mitarai and K. Fuji, Phys. Rev. Research 1, 033602 (2019)：子空间搜索 VQE (SSVQE) 的开山之作，奠定了求解多激发态的单运行、带权重变分数学框架。
  4. [22] M. Honma, T. Otsuka, et al., Phys. Rev. C 80, 064323 (2009)：给出了 JUN45 有效核力两体相互作用矩阵元（TBMEs），是本篇工作进行 Benchmark 精度对标的经典物理依据。
  5. [10] A. Pérez-Obiol, et al., Sci. Rep. 13, 12291 (2023)：首次尝试将 ADAPT-VQE 框架应用在原子核壳模型基态计算上，构成了本文向全谱多激发态演进的基础。

4.2 本项工作的局限性与严厉批判

虽然该项工作在数学逻辑和量子模拟层面上取得了巨大的成功（完成了无失真的态矢量计算，并在模拟中展现了极高的光谱学精度），但在迈向真正的物理量子器件时，它暴露出几个致命的局限性：

4.2.1 极深的电路深度与物理硬件的退相干瓶颈

尽管 ADAPT 方法已经设法对 Ansatz 进行了极致的压缩，但对于仅有 3 个核子的体系，其收敛电路也需要高达 2768 个 CNOT 门。在目前的超导、离子阱或中性原子量子硬件平台上，双比特门的单次门保真度通常在 $99.0\% \sim 99.9\%$ 之间。这意味着经历 2700 多个 CNOT 门后，系统的全局量子相干性将彻底丧失，输出态将退化为完全无序的极大混合态（Maximally Mixed State）。因此，在没有集成高级量子纠错（QEC）或极强的主动纠错限制（如零噪声外推 ZNE）之前，该方案根本无法直接在真实的 NISQ 硬件上落地运行。

4.2.2 测量开销（Measurement Overhead）的灾难性增加

在 ADAPT 算法的每一步中，为了挑选梯度最大的算符，必须对算符池 $P$ 中所有的候选算符测量其加权梯度贡献：

$$\sum_{i=0}^{k-1} w_i \langle \Psi_i | i[H, A] | \Psi_i \rangle$$

由于哈密顿量 $H$ 和算符 $A$ 的非对易性，梯度项通常对应一个极长且互不对易的泡利项集合。在真实的量子硬件上，每次测量均需要通过极高 shot 数（如 $10^4 \sim 10^6$ 次重复）来进行期望值统计。当单粒子轨道数随着壳层的增大而膨胀时，算符池规模以 $O(N^4)$ 的速度迅速暴涨。对上千个候选算符进行高精度的梯度评估，在物理硬件上将遭遇极其恐怖的测量时间墙（Measurement Wall），甚至会使量子计算的加速优势被经典计算的测量通讯延迟彻底抹杀。

4.2.3 物理简化：同位旋（Isospin）缺失与等同核子限制

为了降低数值模拟难度，该工作作出了重大的物理妥协——限制为等同核子（即全为质子或全为中子）系统。在真正的中重原子核中，质子和中子同时存在于价空间，这不可避免地引入了质子-中子相互作用以及同位旋 $T$ 守恒对称性。若要引入质子-中子耦合，10 比特的主动空间将极速扩展一倍以上，且算符池必须包含更复杂的同位旋标量和张量算符。这会使当前的算法复杂度和参数优化难度呈现数个数量级的跃升。论文并未对此给出切实的拓展路线图。

5. 补充探讨：多体核物理量子算法的未来演进

为了使读者更全面、前沿地掌握这一技术领域的全貌，本节将针对“变分激发态计算方案对比”、“$J^2$ 算符在量子比特端的非局域编译难度”以及“物理级 NISQ 纠错缓解前景”进行深度补充。

5.1 SSVQE 与其他变分激发态求解器的横向对比

在变分量子计算中，获取激发态光谱的技术路线目前主要分为以下三大阵营：

+--------------------+----------------------------------+----------------------------------+
| 算法体系            | 核心数学机制                     | 优缺点深度剖析                   |
+--------------------+----------------------------------+----------------------------------+
| 变分量子通缩法      | 引入重叠罚项：                    | 优点：对硬件比特数无额外要求。    |
| (VQD)              | H' = H + \sum eta_i |psi><psi|   | 缺点：需要串行、分步优化。前一步 |
|                    |                                  | 的误差会直接遗传和放大到后一步。  |
+--------------------+----------------------------------+----------------------------------+
| 运动方程 VQE       | 基于基态算符激发：               | 优点：不需要优化多套电路参数。    |
| (EOM-VQE)          | A^\dagger_k |0>                 | 缺点：算符重叠矩阵的经典后处理极 |
|                    |                                  | 其敏感，对基态保真度要求极其苛刻。|
+--------------------+----------------------------------+----------------------------------+
| 子空间搜索 VQE      | 单一电路演化正交输入基：           | 优点：一趟式并发优化，保持严格   |
| (SSVQE, 本文方案)   | L = \sum w_i <phi| U^+ H U |phi>  | 的正交性与物理物理对称性，无累积。|
|                    |                                  | 缺点：输入基的物理选择非常考究。 |
+--------------------+----------------------------------+----------------------------------+

可以看出，SSVQE 是目前进行原子核全谱计算最具物理吸引力的方案。其根本原因在于，原子核物理中各激发射谱之间存在强烈的关联（如转动带、振动带、seniority 耦合），使用同一个酉变换 $U(\vec{ heta})$ 演化所有状态，相当于在变分意义下保持了相同的“物理真空和剩余关联”，因此能够更好地重现核多体系统内部的内在关联对称性。

5.2 $J^2$ 算符编译的非局域物理特征

在核物理中，总角动量算符 $J^2$ 的测量极其困难。这是因为：

$$J_+ = \sum_a \sqrt{j(j+1) - m_a(m_a+1)} a^\dagger_{a+1} a_a$$

当通过 JW 变换映射到量子比特时，这些原本在单粒子轨道上局域的产生湮灭算符对，会因为 $Z$-string 的存在演化为横跨几乎整个寄存器长度的、高度长程纠缠的非局域泡利算符。在本研究中，$J^2$ 期望值的准确测量需要测量高达 270 个复杂的非局域泡利项。如何通过量子信息领域的“泡利项联合测定（Grouping Algorithms, 如最大团划分）”来精简 $J^2$ 测量的 shot 开销，是后续核物理量子实机测量的重点公关课题。

5.3 展望：在真实的 NISQ 物理器件上运行核壳模型

为了将本项工作从经典的“态矢量模拟（Statevector Simulation）”成功推进到真实的量子计算物理硬件（如 IBM Quantum, IonQ, 或者是国内本源量子等超导平台），必须强制引入以下两项前沿技术：

  1. 泡利旋转（Pauli Twirling）与纠错缓解（Error Mitigation）： 由于 ADAPT 构建的 CNOT 链条极长，系统极易受到相干系统误差的干扰。通过引入 Pauli Twirling 将系统的相干噪声转化为不相关的泡利信道噪声，再结合零噪声外推（Zero-Noise Extrapolation, ZNE），在多个不同的噪声增益因子下采集能量期待值，最后利用多项式外推回无噪声物理极限。这能够将系统承受的 CNOT 门极限拓宽一个数量级。

  2. 算符池修剪（Operator Pool Pruning）： 研究表明，算符池中大量的算符在整个优化生命周期内其梯度贡献几乎恒为零。通过在计算之初利用经典微扰论（如 MP2）进行快速筛选，丢弃 $90\%$ 以上对能量贡献不敏感的算符，可以实现算符池的深度瘦身。这能够大幅削减由于梯度计算带来的高昂测量开销。

6. 结论

B. Maheshwari 等人的工作为原子核壳模型的激发态求解提供了一条极其清澈、具备光谱级精度且对称性自发恢复的全新技术路径。ADAPT-SSVQE 成功将最前沿的变分电路动态组装技术与子空间搜寻机制完美融合，在 10 个量子比特上优雅地重构出了 $j=9/2$ 轨道下两核子与三核子的完整能级与配对波函数。尽管面临硬件退相干和测量开销的双重夹击，但该研究无疑在“将微观多体核物理计算推向未来的量子优势时代”这一历程中，迈出了具有实质性物理启发意义的关键一步。