量子科技中心_量科网

变分量子本征求解器（VQE）是当前量子设备最具前景的算法之一。该算法采用经典优化器迭代更新变分量子电路的参数，以搜索给定哈密顿量的基态。VQE的效能很大程度上取决于所采用的优化器。近期研究表明，量子自然梯度下降法（QNG）能比普通梯度下降法（VG）实现更快收敛，但代价是需要额外量子资源来估算每次优化步骤中的Fubini-Study度量张量。QNG使用的Fubini-Study度量张量与整个量子态空间相关，并未整合目标哈密顿量的结构信息。为利用哈密顿量结构优势并解决QNG额外计算成本的局限性，该研究团队提出哈密顿量感知量子自然梯度下降法（H-QNG）。该方法通过哈密顿量项张成的低维子空间向参数空间诱导的黎曼回拉度量，兼具VG的低量子计算成本和QNG的重参数化不变性优势。在分子哈密顿量的数值实验中，该工作验证了H-QNG能以更少量子计算资源实现化学精度的更快收敛。