量子科技中心_量科网

基态搜索问题是量子计算的核心课题，在量子化学、凝聚态物理和优化问题等领域具有广泛应用。变分量子本征求解器（VQE）虽在小规模系统中展现出潜力，但仍面临三大限制：贫瘠高原现象、ansatz表达能力受限以及对领域特定结构的依赖。该研究团队提出SpinGQE——将生成式量子本征求解器（GQE）框架扩展至自旋哈密顿体系的新方法，其创新性在于将电路设计重构为生成式建模任务。 该方法采用基于Transformer的解码器来学习能产生低能态量子电路的分布规律，通过模型逻辑值与每个量子门子序列评估电路能量之间的加权均方误差损失来指导训练。在四量子比特海森堡模型上的验证表明，该方法能稳定收敛至近基态。经过系统性超参数探索，研究人员确定了最优配置：较小模型架构（12层网络、8个注意力头）、较长序列长度（12个量子门）及精心选择的算子池能实现最可靠的收敛。 研究结果证实，生成式方法无需依赖特定问题的对称性或结构，即可有效遍历复杂能量景观。这为通用量子系统提供了可扩展的传统变分方法替代方案。开源实现详见https://github.com/Mindbeam-AI/SpinGQE。