当前位置：首页 > news >正文

量子对角化与对称性自适应方法在强关联系统中的应用

news 2026/6/18 2:55:52

1. 量子对角化与对称性自适应方法概述

量子对角化技术是解决强关联电子系统问题的核心工具之一。在凝聚态物理和量子化学领域，精确求解多体系统的基态和低激发态性质一直是个巨大挑战。传统经典计算方法如精确对角化（ED）和密度矩阵重整化群（DMRG）虽然取得了一定成功，但随着系统规模增大，计算复杂度呈指数增长，很快超出了经典计算机的处理能力。

量子计算为解决这一困境提供了新思路。量子选择的配置相互作用（QSCI）和基于采样的量子对角化（SQD）方法利用量子硬件高效采样重要的Slater行列式，构建有效的低维子空间，再通过经典计算机对角化投影哈密顿量来近似求解基态。这种方法结合了量子计算的并行采样优势和经典计算的精确对角化能力，特别适合当前含噪声中等规模量子（NISQ）时代。

1.1 对称性在量子多体系统中的作用

对称性在量子多体系统中扮演着双重角色：

分类工具：根据诺特定理，系统对称性对应守恒量，可将希尔伯特空间分解为不变量子空间
计算加速器：利用对称性可大幅降低有效子空间维度。例如，在平移对称性下，动量守恒可将问题分解到不同动量子空间

传统量子对角化方法的一个主要局限是：量子硬件采样构建的子空间往往不自动保持系统对称性。这会导致：

收敛速度降低：需要更大子空间才能达到相同精度
物理量计算偏差：破坏对称性会导致非物理结果
计算资源浪费：需要处理冗余的非物理态

1.2 对称性自适应量子对角化的创新

本文提出的对称性自适应SQD方法通过经典后处理步骤，将空间群对称性严格嵌入量子硬件采样的多体子空间。其核心思想是：

对于每个对称操作g，定义其对Slater行列式的作用： g|n₁n₂⋯n_N⟩ = ∏_{i=1}^N (∑_j c_j^† D_{ji}(g))^{n_i} |0⟩

其中D(g)是对称操作的表示矩阵。通过构建对称化子空间： S_g^Symmetrized = ∪_{x∈S} { |y⟩ | g|x⟩ = ∑_y c_y |y⟩ }

这种方法能保持：

平移对称性（动量守恒）
点群对称性（如旋转、反射）
自旋旋转对称性
粒子数守恒

2. 方法实现与技术细节

2.1 对称性自适应SQD算法流程

完整的对称性自适应SQD工作流程包含以下关键步骤：

量子电路准备：
- 使用LUCJ（局部幺正簇Jastrow）拟设制备试验波函数
- LUCJ电路包含：单激发算符、密度-密度相互作用项和单粒子变换
量子测量与采样：
- 在计算基下测量量子态，获得比特串
- 通过Jordan-Wigner变换将比特串映射为Slater行列式
- 执行自洽恢复技术校正测量噪声引起的比特翻转错误
对称化后处理：
- 对每个采样配置|x⟩，生成其对称伙伴{g|x⟩}
- 根据表示矩阵D(g)的稀疏性，智能选择保留的对称配置
- 构建封闭壳层方案恢复自旋旋转对称性
经典对角化：
- 在对称化子空间内构造投影哈密顿量H̃ = PHP
- 使用Davidson迭代法对角化约化哈密顿量
- 计算基态能量和波函数
物理量计算：
- 在对称适应的基态上计算关联函数等物理量
- 采用高效矩阵元分解技术降低计算复杂度

2.2 表示矩阵的稀疏性与计算效率

对称操作表示矩阵D(g)的稀疏性是方法效率的关键。在动量基组下：

平移操作：对角矩阵，每个k对应相位因子e^{-ikR}
点群操作（如反转）：块对角矩阵，每块为2×2的Pauli-x矩阵

这种稀疏性带来两大优势：

子空间扩展比例|S_g^Symmetrized|/|S|可控
对称伙伴配置的权重与原配置相近，提升收敛速度

相比之下，分子轨道基组中：

平移操作的表示矩阵包含非零对角元
每个对称操作会产生更多新配置
对称伙伴的权重分布不均匀

2.3 实际实现中的关键技术

自洽恢复技术：针对NISQ设备噪声问题，采用迭代方法校正测量误差：

计算平均轨道占据数n_iσ
基于与平均值的偏差，概率性翻转错误比特
对角化后更新平均占据数
迭代直至收敛

封闭壳层方案：将采样比特串分为自旋向上(u_a)和向下(u_b)配置，通过直积重构： S̃ = {ũ_a⊕ũ_b | ũ_a, ũ_b ∈ U}

这近似恢复了总自旋平方算符S²的本征态特性。

3. 二腿梯Hubbard模型的应用

3.1 模型与计算方法

二腿梯Hubbard模型是研究一维非常规超导的最小模型，其哈密顿量为： H = -t∑(a_{i,s,σ}^† a_{i+1,s,σ} + h.c.) - t⊥∑(a_{i,A}^† a_{i,B} + h.c.) + U∑n_{i↑}n_{i↓}

计算参数设置：

梯级数N=8-14（主要结果展示N=8）
电子数12-24（填充因子0.75-0.857）
垂直跃迁t⊥调整保持Δε<10^{-3}
库仑相互作用U/t=1

3.2 基组选择与对称性分析

研究比较了两种单粒子基组：

动量基组：

优点：自动保持平移对称性，点群操作表示矩阵高度稀疏
缺点：复数运算增加，部分点群对称性需后处理恢复

分子轨道基组：

优点：实数运算，自动保持点群对称性
缺点：平移对称性表示矩阵较稠密，子空间扩展比例大

对称性分析表明，动量基组的波函数更紧凑，因为：

平移对称性严格保持，减少冗余配置
点群操作仅耦合±k对，稀疏性高
对称伙伴权重分布均匀

3.3 计算结果与讨论

能量收敛行为

图3展示了两种基组下能量收敛情况：

动量基组：收敛显著快于分子轨道基组
对称性适应：在动量基组中提升收敛速度，在分子轨道基组中反而降低效率

这一差异源于表示矩阵的稀疏性差异。在动量基组中，对称操作仅产生少量新配置且权重分布合理；而在分子轨道基组中，对称操作产生大量低权重配置，稀释了重要配置的贡献。

超导关联函数

超导序参量定义为： O_i = (1/√2)(a_{i↑A}a_{i↓B} - a_{i↓A}a_{i↑B})

计算发现：

关联函数随距离衰减符合1/r^{2Kρ-1}规律
库仑相互作用增强超导关联（相比RHF基准）
即使较小子空间也能定性重现DMRG结果

这一结果验证了方法的可靠性，并支持了二维Hubbard模型中d波超导的类比。

4. 实验实现与量子硬件考虑

4.1 量子处理器与误差缓解

实验在IBM的156量子位Heron R2处理器（ibm_fez）上实现，关键参数：

T1时间：22.8-309.9 μs（平均141.7 μs）
T2时间：5.4-223.1 μs（平均90.2 μs）
读出错误：1.44×10^{-2}（平均）
CZ门错误：6.52×10^{-3}（平均）

采用的误差缓解技术：

自洽恢复循环（5次迭代）
粒子数和自旋守恒约束
脉冲级优化门序列

4.2 量子资源估算

对于8梯级系统：

所需量子比特：32（16自旋向上+16自旋向下）
电路深度：约100层（LUCJ拟设）
测量次数：~10^6次（达到足够统计精度）

实际运行中，量子比特布局优化（图2）和门序列编译对性能影响显著。将相关轨道映射到处理器上耦合较强的量子比特对，可减少SWAP操作开销。

5. 方法优势与潜在应用

5.1 与传统方法的比较

对比项	对称性自适应SQD	传统VQE	经典DMRG
对称性保持	严格保持	近似保持	严格保持
收敛速度	快（动量基组）	慢（易陷局部极小）	快（一维系统）
硬件需求	中等规模量子处理器	中等规模量子处理器	高性能经典计算机
噪声鲁棒性	强（经典对角化为主）	弱（依赖量子测量）	不适用
适用维度	任意维度	任意维度	主要一维