量子计算突破：完全活性空间波函数的高效经典表示与量子态制备

TL;DR

量子计算机处理强关联分子时，初始态制备的门复杂度会随活性空间大小指数增长，这一直是量子化学计算的核心瓶颈。本研究利用量子Paldus变换（QPT）发现，完全活性空间（CAS）态在对称性适配基下可以高效表示为矩阵乘积态（MPS），键维度仅按O(d²)缩放。基于此，研究者设计了新的量子态制备方案，将制备复杂度从指数级降至O(d³)——这在已知文献中属于首次实现指数级改进。该方法还可推广至第一量子化表示，为量子计算在强关联化学体系中的应用铺平了道路。

论文信息

标题：Efficient classical representation and quantum state preparation of complete active space wavefunctions
arXiv链接：arXiv:2606.19457v1
作者：Hamza Jnane
发布日期：2026年6月17日
分类：quant-ph（量子物理）、physics.chem-ph（化学物理）
篇幅：14页，5幅图

研究背景与动机

量子计算与分子电子结构的"最后一公里"

量子计算被广泛认为是解决分子电子结构问题的终极工具。经典计算机在处理多电子体系时面临"指数墙"——体系中电子数增加时，描述所有电子状态所需的参数呈指数增长。一个拥有N个轨道的活性空间，其Hilbert空间维度为组合数C(N, n)，当N和n增大到一定程度，即使是最强大的经典超算也无能为力。

这就好比你要在一个巨大的迷宫中找到最低点。经典方法需要逐个检查每个角落，而量子计算原则上可以同时探索所有路径。但问题在于：你得先把"探索者"放到迷宫的正确起点附近。如果起点离最低点太远，量子算法可能需要极长的运行时间才能找到答案。

完全活性空间（CAS）方法的重要性

在量子化学中，完全活性空间（Complete Active Space, CAS）方法是处理强关联体系的基石。所谓"强关联"，是指分子中电子之间的相互作用不能用简单的平均场近似来描述——电子们彼此"纠缠"在一起，牵一发而动全身。

典型的例子包括：过渡金属配合物中的d轨道电子、化学键断裂过程中的电子对、以及光化学反应中的激发态。在这些情况下，单个Slater行列式（一种描述电子排布的数学对象）远远不够用，需要同时考虑多个电子构型的叠加——这就是CAS方法所做的。

CAS方法将分子轨道分为两部分：核心轨道（始终双占据）和活性轨道（电子在其中可以自由重排）。在活性空间中，系统地考虑所有可能的电子排布，从而捕获静态关联效应。然而，这种方法的经典计算成本随活性空间大小指数增长，实际应用中活性空间通常限制在16-18个轨道以内。

量子态制备的挑战

对于量子计算来说，要利用量子优势求解分子基态能量，首先需要准备一个与目标基态有足够重叠的初始态。如果初始态与基态完全正交，量子算法（如量子相位估计或变分量子本征求解器）将无法收敛到正确答案。

对于弱关联分子，Hartree-Fock态（一种简单的平均场近似）通常就够了。但对于强关联分子——也就是CAS方法要处理的那类——Hartree-Fock态可能与真实基态几乎正交。这时，从CAS态出发就变得至关重要。

问题在于：现有的量子态制备方法在处理CAS态时，门复杂度（即需要多少量子门操作）随活性空间大小d指数增长。如果活性空间有20个轨道，你可能需要10⁶甚至更多的量子门——这远超当前和近期量子硬件的能力。

经典表示的困境

更深层的挑战是：即使在经典计算机上高效表示CAS态，传统观点认为也是困难的。CAS态的Hilbert空间维度为C(N, n)（N个轨道中选n个电子），对于化学相关体系，这个数字可能达到10¹²甚至更大。直接存储这样一个态的振幅向量，需要的内存远超任何经典计算机的容量。

这就是本研究要解决的核心问题：是否存在一种高效的经典方法来表示CAS态？如果存在，能否利用这种表示来设计更高效的量子态制备方案？

核心发现

发现一：CAS态的高效经典表示

本研究的第一个核心发现是：完全活性空间态在特定基下可以被高效地经典表示。具体而言，研究者利用量子Paldus变换（QPT）将CAS态从Fock基（电子占据数表示）变换到对称性适配基。在这个新基下，CAS态可以精确地表示为矩阵乘积态（MPS），其键维度仅按O(d²)缩放，其中d是活性空间的大小。

这意味着什么？假设活性空间有20个轨道。在Fock基下，表示CAS态需要存储C(20,10)=184756个振幅。但在QPT基下，用MPS表示只需要存储约20²=400个参数的若干矩阵。从指数级降到多项式级——这是一个质的飞跃。

发现二：量子态制备的多项式复杂度

基于上述经典表示，研究者设计了量子态制备方案。其基本思路是：

在经典计算机上计算CAS态在QPT基下的MPS表示
将MPS加载到量子计算机上（这一步的门复杂度是多项式的）
应用逆QPT变换，将态从QPT基转换回Fock基

整个过程的门复杂度为O(d³)——这是一个多项式复杂度。相比之下，此前最先进的态制备方法的门复杂度为O(2^d)，是指数级的。

为了直观理解这个改进有多大，考虑d=20的情况：O(2^20)≈10⁶，而O(20³)=8000。差距是100倍以上，而且随着d增大，差距还会继续扩大。

发现三：向第一量子化的推广

研究者进一步展示了，该方法可以自然地推广到第一量子化表示。在第一量子化中，量子比特直接编码电子的位置（"电子1在轨道3"），而不是像第二量子化那样编码轨道的占据数（"轨道3被占据"）。第一量子化在某些情况下可以更高效地表示电子态，特别是在电子数较少时。

在第一量子化中，CAS态的MPS表示和态制备的复杂度与第二量子化相当，也为O(d³)。这为不同量子计算架构提供了灵活的选择。

关键技术洞察

所有这些发现的基石是一个深刻的洞察：QPT变换将CAS态的结构"简化"了。

在Fock基下，CAS态的系数看似杂乱无章——它们由电子之间的关联决定，缺乏明显的规律。但QPT变换本质上是一种"旋转"，它将态旋转到一个电子关联被"对角化"的基。在这个基下，CAS态的结构变得简单——它可以被少数几个"主成分"很好地近似，而这些主成分恰好可以用低键维度的MPS来捕获。

这类似于图像压缩中的主成分分析（PCA）：一张看似复杂的图片，在经过适当的变换后，可以用少数几个基图像的线性组合来高效表示。

技术方法详解

量子Paldus变换（QPT）入门

要理解本研究的技术核心，首先需要了解量子Paldus变换。QPT是一种量子算法，它实现了Fock基与对称性适配基之间的相互转换。

Fock基是我们最熟悉的表示方式：每个量子比特对应一个轨道，|0⟩表示空占据，|1⟩表示占据。一个N量子比特的态|11010...⟩表示轨道1、2、4被占据，其余为空。

对称性适配基则更加微妙。它利用了分子体系的对称性——特别是电子数守恒和自旋守恒——来构造一组基态。Paldus在1970年代引入了一种用Young图（一种组合数学工具）来标记这些基态的方法。

QPT的作用就像一个"翻译器"：它把量子计算机上用Fock基编码的态翻译成对称性适配基的表示，或者反过来。这个"翻译"过程本身可以用多项式数量的量子门来实现。

类比：想象你有一本用中文写的书（Fock基），你需要翻译成法文（对称性适配基）。QPT就是这个翻译程序。翻译后的法文版可能更简洁、更优雅，但两本书表达的是同一个故事。

矩阵乘积态（MPS）简介

矩阵乘积态是量子多体物理中广泛使用的表示方法。一个MPS由N个矩阵（每个矩阵对应一个量子比特/格点）组成，这些矩阵通过收缩（矩阵乘法）来表示整个多体波函数。

MPS的关键参数是"键维度"χ，它控制了表示的精度和效率。χ越大，MPS越精确，但也越昂贵。对于一维系统中的基态，MPS的键维度通常可以很小（这得益于面积律），这使得MPS成为表示量子态的强大工具。

类比：想象你要描述一条很长的火车。一种方法是描述每节车厢的所有细节（指数级参数）。另一种方法是描述相邻车厢之间的"连接方式"（矩阵），然后通过这些连接来重建整列火车（MPS方法）。如果车厢之间的关联是局部的（"面积律"），你只需要少数几种连接模式就够了。

QPT基下CAS态的MPS表示

本研究的关键技术步骤是证明：在QPT基下，CAS态可以表示为键维度为O(d²)的MPS。

证明的大致思路如下：

CAS态的结构分析：CAS态在Fock基下由Gelfand-Tsetlin模式参数化。这些模式有一个层次化的结构——高层模式控制低层模式的"边界条件"。
QPT变换的效果：QPT变换将这种层次化结构转化为"矩阵化"结构。具体而言，在QPT基下，CAS态的系数可以分解为一系列矩阵的乘积，每个矩阵的维度与活性空间大小d相关。
键维度的确定：通过仔细分析矩阵的秩，研究者证明了键维度上界为O(d²)。这意味着MPS表示所需的总参数量为O(d³)。

这个证明是非平凡的——它依赖于QPT变换的特殊代数性质和CAS态的组合结构之间的深刻联系。

MPS到量子态的加载

有了MPS表示后，下一步是将其加载到量子计算机上。这一步有成熟的量子算法可用。

基本思路是逐个"插入"量子比特：从第一个量子比特开始（初始化为MPS第一个矩阵的列空间），然后依次添加后续量子比特，每次添加时根据MPS矩阵进行受控旋转。整个过程需要O(d³)个量子门。

类比：想象你有一串珠子（量子比特），每颗珠子的形状由一个矩阵决定。你按照矩阵的指示，依次把珠子穿到线上，每穿一颗就调整一下线的角度。最终，整串珠子的排列就编码了你想制备的量子态。

逆QPT变换

加载MPS后，量子计算机上的态处于QPT基。为了得到Fock基下的CAS态（这才是化学计算所需要的），需要应用逆QPT变换。

逆QPT变换的门复杂度为O(d²)——这是多项式的，不会成为瓶颈。

综合以上三步（经典MPS计算 + MPS加载 + 逆QPT），总门复杂度为O(d³)。相比之下，此前的方法需要O(2^d)个门，这是指数级的差距。

第一量子化方案

在第一量子化表示中，每个电子由一组量子比特编码其轨道索引。如果有n个电子和N个轨道，需要n×⌈log₂N⌉个量子比特。

研究者展示了，QPT基下CAS态的MPS表示在第一量子化中同样适用，且键维度仍为O(d²)。态制备的总复杂度也为O(d³)。

第一量子化的优势在于：当电子数n远小于轨道数N时，所需的量子比特数更少（n×⌈log₂N⌉ vs N）。这对于某些特定的化学体系（如大分子中的小活性空间）可能更实用。

实验结果分析

理论复杂度分析

本研究主要是理论性质的，没有进行大规模的数值模拟。但研究者提供了详细的复杂度分析，将新方法与现有方法进行了对比。

方法	门复杂度	备注
直接振幅编码	O(2^d)	最直接但最昂贵
稀疏态制备	O(d^k)	仅适用于稀疏态
基于UCJ的方案	O(d^4)	需要较大的电路深度
本方法（QPT+MPS）	O(d³)	多项式，指数级改进

参数缩放

研究者分析了不同参数对复杂度的影响：

活性空间大小d：复杂度为O(d³)，这是最关键的缩放关系
电子数n：隐含在d中（d≈2n时复杂度最高）
键维度χ：上界为O(d²)，实际可能更小

量子门资源估算

对于典型的化学体系（如活性空间d=20），本方法需要约8000个量子门。虽然这仍然超出了当前量子硬件的能力（NISQ时代通常支持100-1000个门），但比此前方法需要的10⁶个门要少得多，使得未来容错量子计算机上的应用更加可行。

与现有工作对比

与此前态制备方法的对比

此前最先进的CAS态量子制备方法主要基于以下策略：

直接振幅编码：逐个编码CAS态的每个振幅，需要O(C(N,n))个门。这是指数级的，对化学相关体系完全不可行。
基于UCJ（Unitary Coupled Cluster Jastrow）的方法：利用酉耦合簇拟设来近似CAS态，复杂度为O(d⁴)。比直接编码好，但仍是高次多项式。
基于ADAPT-VQE的方法：自适应地选择量子门来构造近似态，需要多次迭代，总复杂度难以确定。

本方法的优势是双重的：不仅复杂度更低（O(d³) vs O(d⁴)或更高），而且给出了明确的态制备方案（不是迭代式的），使得门数可以预先确定。

与经典方法的对比

在经典计算方面，本研究也提供了新的洞察。此前，CAS态的经典表示被认为需要指数级存储。本研究证明，在QPT基下，MPS表示只需多项式参数——这意味着某些CAS态的经典计算可以更高效地进行。

这不意味着所有CAS问题都可以经典高效求解——MPS表示的效率取决于态的具体结构。但对于许多化学相关的CAS态，这种表示可能带来实际的加速。

方法论创新

从方法论角度看，本研究的创新在于连接了三个领域：

量子化学的CAS方法
量子信息的MPS表示
量子计算的态制备算法

QPT变换充当了连接这三者的桥梁。这种跨领域的视角是本研究最深刻的贡献。

潜在应用与影响

量子化学计算

最直接的应用是在容错量子计算机上进行精确的分子电子结构计算。O(d³)的态制备复杂度使得活性空间大小为30-40的CAS计算变得可行——这覆盖了大多数化学相关的强关联问题。

具体应用场景包括：

过渡金属催化：理解催化剂的工作机理，设计更高效的催化反应
光化学：模拟分子在光照下的行为，设计新型光敏材料
生物分子：理解酶的催化机制，特别是涉及金属中心的酶
材料科学：设计具有特定电子性质的新材料

量子算法设计

本研究的方法论可能启发其他量子算法的设计。QPT变换将复杂结构"简化"为MPS表示的思想，可能适用于其他具有对称性的量子态。

经典量子化学

即使不使用量子计算机，QPT基下的MPS表示也可能为经典量子化学带来新的工具。对于某些特定的CAS问题，MPS表示可能比传统的配置交互方法更高效。

量子-经典混合方法

在NISQ时代，本方法可以与变分量子本征求解器（VQE）结合：先用经典方法计算MPS近似态，然后在量子计算机上进行细化。O(d³)的复杂度使得在近期量子硬件上实现有意义的CAS计算成为可能。

局限性与未来方向

当前局限性

理论结果为主：本研究主要是理论分析，缺乏大规模数值验证。在实际化学体系上的表现有待检验。
键维度的实际大小：O(d²)是上界，实际的键维度可能因CAS态的具体结构而不同。某些态可能需要更大的键维度。
量子硬件要求：O(d³)的门数虽然比指数级好得多，但仍需要数千个门——这超出了当前NISQ设备的能力，需要等待容错量子计算机的发展。
仅限CAS态：本方法专门针对CAS态设计。对于需要考虑动态关联的完整计算（如CASPT2、NEVPT2），还需要额外的方法。
QPT变换的实现：虽然QPT变换的门复杂度是多项式的，但具体的门序列可能很复杂，实际实现时的常数因子可能较大。

未来研究方向

数值验证：在具体化学体系（如过渡金属配合物、双自由基）上验证MPS表示的精度和效率。
与动态关联方法的结合：将QPT+MPS态制备与CASPT2或DMRG等方法结合，实现完整的多参考态计算方案。
优化QPT基下的MPS压缩：探索是否可以进一步降低键维度，例如通过选择不同的对称性适配基。
量子硬件实现：在未来的容错量子计算机上实现本方法，并与经典基准进行对比。
推广到其他类型的态：探索QPT方法是否可以推广到非CAS的多参考态（如广义活性空间态）。
与量子纠错的结合：研究如何在量子纠错框架下最有效地实现本方法。

总结

Hamza Jnane的这项工作为量子计算在量子化学中的应用开辟了一条新的道路。通过巧妙地利用量子Paldus变换，研究者发现了完全活性空间波函数的一种高效经典表示——在QPT基下，CAS态可以用键维度为O(d²)的矩阵乘积态来表示。基于这一发现，新的量子态制备方案的门复杂度为O(d³)，相比此前的指数级方法实现了指数级改进。

这项研究的深远意义在于，它表明量子计算处理强关联分子的能力比此前认为的要好得多。虽然实际的量子计算实现还需要等待更强大的量子硬件，但本研究为理论框架和算法设计奠定了重要基础。

从更广的视角看，这项工作展示了量子信息理论（MPS表示）与量子化学（CAS方法）之间的深刻联系。这种跨学科的洞察往往会催生最具变革性的科学突破——正如本研究所展示的，一个看似纯数学的变换（QPT），可以将一个被长期认为是指数级困难的问题，转化为多项式级可解的问题。这正是基础科学研究的魅力所在。