[发明专利]量子体系基态能量估计方法及系统

说明书

本申请公开了一种量子体系基态能量估计方法及系统，涉及量子技术领域。本申请通过采用神经网络对PQC输出的波函数做后处理，该神经网络能够起到一个通用函数近似器的作用，其相比于Jastrow因子具有更强的表达能力和基态能量近似能力，从而有助于提升基态能量估计的准确度。并且，本申请通过在PQC之后添加测量线路，利用该测量线路对PQC的输出量子态执行与泡利字符串相对应的变换处理，得到变换后的输出量子态，这一步变换能够减少测量估计过程中的资源消耗，从而能够在多项式资源的消耗下，完成对泡利字符串乃至一般哈密顿量的测量和无偏估计。

技术领域

本申请实施例涉及量子技术领域，特别涉及一种量子体系基态能量估计方法及系统。

背景技术

目前，提出了一种VQE(Variational Quantum Eigensolver，变分量子本征求解器)的方案来对量子系统进行基态能量估计。VQE通过变分量子线路实现对量子系统进行基态能量估计，是一种典型的量子经典混合计算范式。

为了对VQE的输出性能做进一步的增强，提升基态能量估计的准确度，相关技术提出了利用Jastrow因子作为VQE后处理增强的方案。通过利用Jastrow因子对VQE中变分量子线路输出的波函数做后处理，以期刻画更多的量子纠缠和关联关系，从而使得最终估算出的基态能量与真实值尽可能地接近。

然而，Jastrow因子虽然比较适合刻画多体关联，但仍不是经典后处理可以具有的最普遍形式，因此其表达能力较弱，这会影响到基态能量估计的准确度。

发明内容

本申请实施例提供了一种量子体系基态能量估计方法及系统。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种量子体系基态能量估计方法，所述方法包括：

通过参数化量子线路对n个量子比特的输入量子态进行变换处理，得到所述n个量子比特的输出量子态；其中，目标量子系统的哈密顿量在所述n个量子比特的输出量子态下的能量期望值，是所述哈密顿量分解得到的k个泡利字符串的能量期望值之和，n为正整数，k为正整数；

采用神经网络对所述n个量子比特的输出量子态进行后处理，得到所述k个泡利字符串的能量期望值，并计算出所述哈密顿量的能量期望值；

以所述哈密顿量的能量期望值收敛为目标，对所述参数化量子线路的参数和所述神经网络的参数进行调整；

在所述哈密顿量的能量期望值满足收敛条件的情况下，将满足所述收敛条件的所述哈密顿量的能量期望值，确定为所述目标量子系统的基态能量。

根据本申请实施例的一个方面，提供了一种量子体系基态能量估计系统，所述系统包括：参数化量子线路、后处理模块和优化器；

所述参数化量子线路用于对n个量子比特的输入量子态进行变换处理，得到所述n个量子比特的输出量子态；其中，目标量子系统的哈密顿量在所述n个量子比特的输出量子态下的能量期望值，是所述哈密顿量分解得到的k个泡利字符串的能量期望值之和，n为正整数，k为正整数；

所述后处理模块用于采用神经网络对所述n个量子比特的输出量子态进行后处理，得到所述k个泡利字符串的能量期望值，并计算出所述哈密顿量的能量期望值；

所述优化器用于以所述哈密顿量的能量期望值收敛为目标，对所述参数化量子线路的参数和所述神经网络的参数进行调整；其中，在所述哈密顿量的能量期望值满足收敛条件的情况下，将满足所述收敛条件的所述哈密顿量的能量期望值，确定为所述目标量子系统的基态能量。

本申请实施例提供的技术方案可以包括如下有益效果：

通过采用神经网络对参数化量子线路输出的波函数做后处理，该神经网络能够起到一个通用函数近似器的作用，其相比于Jastrow因子具有更强的表达能力和基态能量近似能力，从而有助于提升基态能量估计的准确度。