量子科技中心_量科网

酉集群贾斯特罗（UCJ）拟设及其变体局部UCJ（LUCJ）因其兼具物理合理性与硬件友好性，成为化学变分量子算法的优选方案。这些拟设的参数可通过经典计算机执行的耦合簇单双激发（CCSD）计算结果进行初始化。然而，受限于近期量子处理器的连通性约束，必须截断拟设重复次数并舍弃部分相互作用，这会降低对CCSD的近似精度及最终能量准确性。该工作提出两种参数初始化优化方法：第一种方法适用于基于期望值和采样的算法，通过CCSD振幅的压缩双因子分解来提升或恢复CCSD近似；第二种方法专用于基于采样的算法，采用张量网络近似模拟来改善拟设电路生成的采样质量。研究团队通过最高52量子比特体系的精确态矢量模拟，以及65量子比特超导量子处理器实验验证了方法的有效性。结果表明，这两种方法能显著提升基于期望值和采样的量子算法输出质量。