量子科技中心_量科网

稳健高效的量子本征态制备是量子模拟的核心挑战。牛仔竞技算法（RA）虽能实现向目标本征态的指数级收敛，但当初始态与目标本征态重叠度较低时性能急剧下降，限制了该算法在大型系统中的适用性。该研究团队提出一种融合方法，通过绝热斜坡对RA态进行预处理以突破这一局限。通过从精确可解的子系统逐步构建大系统，并利用绝热预处理增强中间态重叠度，确保RA即便在大规模系统中仍保持指数收敛特性。团队以自旋1/2 XX模型的数值模拟验证这一混合方法，发现牛仔竞技算法在不同系统规模下均展现出稳健的指数收敛性。相较于单纯使用绝热斜坡或未经改良的RA，在保真度误差低于10^-3量级的态制备场景中，融合方法展现出显著的计算成本优势。这些结果共同证明了融合方法在实际量子模拟中的可扩展性与有效性。