量子科技中心_量科网

量子多体动力学的张量网络模拟从根本上受到纠缠积累的限制，这会导致计算成本呈指数级增长。此外，这些经典模拟算法本质上是串行的——因为量子态的张量网络表示通常需要每个时间步逐步更新。该团队基于最新提出的随机化量子时间演化算法（TE-PAI），将其适配到经典模拟场景以实现大规模并行化。该团队的矩阵乘积态TE-PAI方法通过将随机浅层Trotter变体电路集合表示为张量网络，实现了平均意义上的精确时间演化（无偏估计）。由于每个电路实例都产生确定性的量子态（或可观测量期望值），随机性唯一来源于电路变体的采样；因此与TE-PAI的量子硬件实现相比，该方案因不存在测量噪声而具有更低的估计方差。通过模拟典型无序一维自旋环哈密顿量，该团队数值观测到相较于Trotter化矩阵乘积态演化，单样本门数量最高可降低10^3倍，在实际并行规模下使求解时间减少多个数量级。最后数值研究表明，矩阵乘积态TE-PAI相比乘积公式对键维数截断具有更强的鲁棒性，这对于实际必须进行截断的强关联系统模拟可能具有重要意义。该团队还证实该方法能自然地与现有时间演化算法结合，通过并行化有效扩展其时域深度。