量智信息中心_量科网

量子计算有望为量子化学中的多体模拟带来革命性突破，但其潜力受限于当前设备的有限量子比特数和噪声干扰。该研究团队提出了一种新型"有损量子选择构型相互作用"（Lossy-QSCI）框架，该框架将基于化学启发的有损随机线性编码器（Chemical-RLE）与神经网络辅助费米子期望解码器（NN-FED）相结合。其中，RLE利用费米子数守恒定律压缩量子态，将M个自旋轨道和N个电子所需的量子比特数降至O(N log M)量级，同时保留关键基态信息并实现自洽构型恢复；NN-FED则通过少量数据训练的神经网络高效解码压缩态，克服了传统QSCI方法中常见的测量难题。通过量子采样与经典后处理的迭代结合，该混合方法能高效优化基态估计。在C₂和LiH分子上的实验表明，该框架能以更少量子比特和基态数量达到化学精度，为近期和容错量子硬件上的量子化学模拟提供了可扩展的实现路径。