通过原生布局与特罗特初始化变分优化实现硬件高效的哈密顿量模拟
将时间演化算符\( U(t) = e^{-iHt} \)编译为硬件原生门序列,是含噪中等规模量子(NISQ)设备上数字量子模拟的核心瓶颈。通用编译将 \( U(t) \) 视为任意酉变换,丢弃了哈密顿量动力学的结构信息,生成的电路深度超出硬件相干时间极限。该工作提出一种结构感知的编译框架,将乘积公式分解视为合成原语而非模拟近似。该方法结合了:(i)将哈密顿量项原生映射到硬件耦合拓扑,(ii)通过贪心离散化程序自适应选择特罗特块,(iii)利用特罗特初始化变分拟设进行变分优化。在 \( n=3-8 \) 量子比特的海森堡、伊辛和XY模型中,编译电路保真度 \( F > 0.996 \),且纠缠门数量呈近似线性缩放,而通用合成生成的电路深度高出数个数量级。在IBM Torino硬件上,该研究观察到短近似电路优于深精确分解的区间:一个27-CX电路实现了比187-CX精确电路更高的硬件保真度(\( F_{\text{hw}} = 0.987 \))。这些结果表明,在NISQ时代,结构感知的近似编译可超越精确但无结构感知的合成,为无需脉冲级控制即可执行哈密顿量动力学提供了实用路径。

