量子科技中心_量科网

Trotter化是一种在量子计算机上模拟量子时间演化的标准方法，它将哈密顿量分解为局部项并按顺序应用每个项。当这些项不对易时，其应用顺序会影响模拟的保真度，因此顺序选择直接决定了模拟的准确性。该工作针对一维XXZ海森堡哈密顿量，利用从哈密顿量交换图着色及其群排列中导出的24种结构化候选顺序进行研究。对于大规模系统，由于保真度评估计算成本高昂，寻找最佳候选顺序变得不可行。在这项工作中，研究人员在小规模系统上训练了一个Transformer编码器，使其能够直接从哈密顿量和Trotter配置特征中预测更大系统的最佳候选顺序，而无需在推理时计算候选保真度。该模型在3至14量子比特的系统范围内训练，并将15量子比特系统保留用于验证。实验结果表明，在16至20量子比特的超范围系统上，模型相对于24个候选者中最佳方案的测试保真度平均差距仅为0.00115。训练规模扫描进一步显示，当训练集包含最多L=8量子比特的系统时，模型开始出现泛化能力（在L=9上验证），且随着训练范围扩大，保真度差距持续减小。据研究人员所知，这是首个将学习模型应用于Trotter顺序选择的工作，为未来基于AI指导的Trotter排序（可跨哈密顿量族和系统类型泛化）研究奠定了基础。