量子对角化方法在强关联系统中的应用与优化
1. 量子对角化方法概述
量子对角化（Quantum Diagonalization）是解决量子多体系统问题的关键技术，尤其在强关联电子系统中具有重要应用。该方法的核心思想是通过量子硬件采样构建多体子空间，再通过经典对角化步骤获得近似解。这种量子-经典混合算法充分利用了量子计算的并行采样能力和经典计算机的高精度数值计算优势。
1.1 传统量子对角化方法
传统的量子对角化方法主要包括以下步骤：
量子态制备：在量子处理器上制备一个试验波函数|Ψtrial⟩，通常采用参数化量子电路实现。常用的量子电路架构包括：
- 局域酉簇Jastrow（LUCJ）ansatz
- 幺正耦合簇（UCC）ansatz
- 硬件高效ansatz
量子测量：对试验波函数进行多次测量，获取比特串样本。每个比特串对应一个Slater行列式（在费米子系统中通过Jordan-Wigner变换实现映射）。
子空间构建：将测量得到的Slater行列式集合作为有效子空间S，其维度远小于完整的希尔伯特空间。
经典对角化：在子空间S内投影哈密顿量H̃ = PHP（P为子空间投影算符），然后通过经典计算机对角化得到近似基态能量和波函数。
这种方法的关键优势在于：
- 量子硬件负责高效采样重要构型
- 经典计算机确保数值精度和噪声容忍性
- 避免了纯量子算法（如量子相位估计）所需的深量子电路
1.2 现有方法的局限性
然而，传统量子对角化方法面临几个关键挑战：
对称性破缺问题：随机采样的子空间通常不保持系统的固有对称性（如平移对称性、点群对称性等），导致：
- 能量收敛速度慢
- 物理量计算结果可能违反对称性约束
- 难以准确识别对称性保护的量子相
噪声敏感性问题：在含噪声中等规模量子（NISQ）设备上，测量误差会导致：
- 比特翻转错误
- 守恒量（如粒子数、自旋）破坏
- 采样效率随量子比特数指数下降
波函数稀疏性问题：对于某些基组选择（如分子轨道基），多体波函数的紧凑性不足，需要更大的子空间才能达到满意的精度。
2. 对称性自适应量子对角化方法
针对上述挑战，我们提出了一种对称性自适应的量子对角化扩展方法（Symmetry-Adapted Sample-based Quantum Diagonalization，SA-SQD），将空间群对称性严格嵌入量子硬件采样的多体子空间中。
2.1 对称性投影原理
考虑哈密顿量H具有由幺正算符g描述的对称性： H = gHg⁻¹
理想情况下，近似基态也应保持这一对称性： g|Ψ⟩ = λ|Ψ⟩ （λ为相位因子）
在SA-SQD中，我们通过以下步骤实现对称性保持：
对称操作表示：对于每个对称操作g，确定其在单粒子基组下的表示矩阵D(g)，满足： gcᵢ⁺g⁻¹ = Σⱼ cⱼ⁺Dⱼᵢ(g)
子空间扩展：对每个采样构型|x⟩，计算其在对称操作下的变换： g|x⟩ = Σ_y c_y|y⟩ 将{|y⟩}加入对称化子空间S_g^Symmetrized
对称化子空间构建：取所有采样构型在对称操作下生成子空间的并集： S_g^Symmetrized = ∪_{x∈S} S_x^g
投影哈密顿量：在对称化子空间内对角化投影哈密顿量，确保所得本征态自动满足对称性约束。
2.2 动量基与分子轨道基的比较
在两腿梯子Hubbard模型中，我们比较了两种单粒子基组的选择：
动量基（k-space basis）特点：
- 构成平移群T的一维不可约表示
- 平移对称性自动满足
- 点群操作（如C₂旋转、反演）表示为稀疏矩阵（仅非零元为σₓ块）
- 波函数在动量空间表现更紧凑
分子轨道基（MO basis）特点：
- 构成点群G的一维不可约表示
- 点群对称性自动满足
- 平移操作表示为稠密矩阵（含三角函数因子）
- 波函数紧凑性较差
关键发现：动量基下对称操作的表示矩阵更稀疏，使得对称化子空间的扩展比例|S_g^Symmetrized|/|S|更小，计算效率更高。
3. 两腿梯子Hubbard模型的应用
3.1 模型描述与参数选择
两腿梯子Hubbard模型是研究一维非常规超导性的最小模型，其哈密顿量为： H = -tΣ⟨ij⟩σ(aᵢσ⁺aⱼσ + h.c.) - t⊥Σᵢ(aᵢA⁺aᵢB + h.c.) + UΣᵢnᵢ↑nᵢ↓
我们选择参数确保单粒子能隙Δε < 10⁻³，以逼近热力学极限行为。具体参数如下表所示：
| 梯级数 | 电子数 | 填充率 | t⊥/t |
|---|---|---|---|
| 8 | 12 | 0.75 | 0.7076 |
| 10 | 16 | 0.80 | 1.119 |
| 12 | 20 | 0.833 | 1.366 |
| 14 | 24 | 0.857 | 0.8455 |
3.2 能量收敛性分析
图1展示了自旋五重态基态和自旋单态激发态的能量收敛行为。关键观察结果：
动量基优势：在两种自旋态下，动量基都比分子轨道基表现出更快的能量收敛。
对称性适应效果：
- 动量基：对称性适应显著改善能量收敛
- 分子轨道基：对称性适应反而降低收敛速度
这一差异源于表示矩阵的稀疏性：
- 动量基的点群操作表示极度稀疏（仅σₓ块），对称化几乎不增加子空间维度
- 分子轨道基的平移操作表示稠密（含cos(kR), sin(kR)），对称化大幅扩展子空间
3.3 超导关联函数计算
我们计算了超导关联函数： P(r) = ⟨Ψ|Oᵣ⁺O₀|Ψ⟩ 其中超导序参量算符为： Oᵢ = (1/√2)(aᵢ↑A aᵢ↓B - aᵢ↓A aᵢ↑B)
研究发现：
- 与RHF（限制性Hartree-Fock）结果相比，考虑电子关联后超导关联函数显著增强
- 即使在小子空间维度（D=12,100）下，也能定性重现关联效应
- 大子空间（D=4,756,761）结果与DMRG基准高度一致
4. 实验实现与优化技巧
4.1 量子硬件实现
我们在IBM的156量子比特Heron R2处理器（ibm_fez）上进行了实验，设备特性如下：
| 参数 | 最小值 | 最大值 | 平均值 |
|---|---|---|---|
| T₁ (μs) | 22.8 | 309.9 | 141.7 |
| T₂ (μs) | 5.4 | 223.1 | 90.2 |
| 读出错误 | 1.7×10⁻³ | 1.1×10⁻¹ | 1.4×10⁻² |
| CZ门错误 | 2.0×10⁻³ | 9.9×10⁻² | 6.5×10⁻³ |
关键优化措施：
- 采用自洽恢复技术（self-consistent recovery）校正测量错误
- 闭壳层方案（closed-shell scheme）近似恢复自旋旋转对称性
- 量子比特布局优化（图2），将自旋上下轨道分开映射
4.2 经典后处理优化
矩阵元素预计算：利用对称性关系预计算并存储哈密顿量矩阵元，大幅减少重复计算。
稀疏性利用：对于动量基，对称操作矩阵的块对角结构使得：
- 子空间扩展计算量降低
- 矩阵向量乘法效率提升
并行化策略：
- 对称操作生成构型的并行计算
- 分布式Davidson对角化
5. 实际应用建议
5.1 基组选择原则
根据我们的研究，建议以下基组选择策略：
优先选择动量基当系统具有：
- 平移对称性
- 点群操作包含动量反转（k ↔ -k）
- 需要计算动量空间关联函数
考虑分子轨道基当：
- 研究分子系统或局域轨道特性
- 点群对称性比平移对称性更关键
- 需要直观的化学键合图像
5.2 参数调优经验
采样量估计：子空间维度D与系统尺寸的关系近似为： D ~ exp(αL) （α在动量基下显著小于分子轨道基）
对称操作选择：优先选择表示矩阵稀疏的对称操作（如动量基下的点群操作），可显著降低计算开销。
误差平衡：量子采样误差与经典截断误差的平衡关系： δE ~ 1/√M + exp(-βD) 其中M为测量次数，D为子空间维度
5.3 常见问题排查
能量收敛缓慢：
- 检查基组选择是否合适
- 验证对称操作表示矩阵的正确性
- 增加采样构型多样性（如采用多参考态）
对称性破缺：
- 确保对称化子空间构建完整
- 检查量子测量中的守恒量破坏
- 验证经典对角化的数值精度
关联函数异常：
- 检查序参量算符的正确实现
- 验证波函数的自旋对称性
- 确保足够大的子空间维度
6. 方法拓展与应用前景
SA-SQD方法可推广到更广泛的强关联系统研究：
高阶梯子与二维系统：研究维度交叉效应和高温超导机制
多轨道模型：如t-J模型、Hubbard-Kanamori模型，用于重费米子体系
有限温度扩展：结合热场态制备技术，研究温度依赖的量子相变
非平衡动力学：结合实时演化，研究量子淬火后的对称性恢复
在实际材料模拟中，该方法特别适用于：
- 铜氧化物超导体
- 有机电荷转移盐
- 过渡金属硫族化合物
- 拓扑量子材料
我在实际计算中发现，对称性自适应处理不仅能提高计算效率，还能更清晰地揭示物理机制。例如，在两腿梯子模型中，只有保持完整的D2h点群对称性，才能准确识别d波超导序参量的主导地位。