量子科技中心_量科网

高性能计算（HPC）对于可扩展的量子化学工作流日益重要，这类工作流结合了经典生成模型、量子电路模拟以及选态组态相互作用后处理。该工作提出了生成式量子启发的Kolmogorov-Arnold本征求解器（GQKAE），这是用于量子化学的生成式量子本征求解器（GQE）的一种参数高效扩展。GQKAE将GPT风格生成式本征求解器中参数密集的前馈网络组件替换为混合量子启发的Kolmogorov-Arnold网络模块，构建出紧凑的HQKANsformer主干架构。该方法保留了自回归算子选择以及量子选态组态相互作用评估流程，同时采用单量子比特数据重上传激活模块来提供高表达力的非线性映射。在H4、N2、LiH、C2H6、H2O以及H2O二聚体上的数值基准测试表明，GQKAE能够达到与基于GPT的GQE架构相当的化学精度，同时将可训练参数和内存使用减少约66%，并提升了实际运行时间性能。对于N2和LiH等强关联体系，GQKAE还改善了收敛行为和最终能量误差。这些结果表明，量子启发的Kolmogorov-Arnold网络能够在保持电路生成质量的同时降低经典侧开销，为近期量子平台上的HPC-量子协同设计提供了一条可扩展的路径。