量子能量估计中测量分组的二元优化
作者将量子能量估计中Pauli可观测量的分组构造为基于团选择的经典二元优化问题,并用混合整数线性规划(MILP)构造不重叠测量组。在分子哈密顿量基准中,优化分组使非重叠测量需求ε²M相对排序插入平均减少51.8%;以MILP分组初始化迭代系数分裂后,测量需求相对SI-ICS平均减少24.3%,优化分组还可迁移至相近分子几何。
动态展示门槛:AI 前沿与应用 ≥ 70 分,量子方向 ≥ 62 分;已确认精选照常展示。
作者将量子能量估计中Pauli可观测量的分组构造为基于团选择的经典二元优化问题,并用混合整数线性规划(MILP)构造不重叠测量组。在分子哈密顿量基准中,优化分组使非重叠测量需求ε²M相对排序插入平均减少51.8%;以MILP分组初始化迭代系数分裂后,测量需求相对SI-ICS平均减少24.3%,优化分组还可迁移至相近分子几何。
作者提出一个端到端量子模拟框架,利用混合 Dicke 态、粒子数守恒的 Trotterized 模拟和广义量子信号处理,估计粒子数守恒二次量子化哈密顿量的正则热性质与配分函数。
作者提出多激子 Bethe–Salpeter 方程的准粒子量子模拟方法,构建了面向 qubitization 的显式第一量子化、轨道基区块编码,并利用积分因子分解和晶体对称性降低成本。
Federico Santona 等提出 Variational Imaginary-time Majorana Evolution(VIME),用经典预训练和压缩 tiled Unitary Product State(c-tUPS)ansatz 改进分子基态制备。
作者提出第二量子化的几何条件基础神经量子态:单一自回归模型从少量锚点几何学习基态族,并在未训练几何上无需进一步优化即可提供波函数。基于论文摘要,轨道对齐用于匹配轨道身份并传递相位;N₂、CO和H₄的冻结能量在所有未训练查询几何上达到化学精度,三组N₂训练种子的平均绝对能量误差由34–37 mHa降至0.049–0.085 mHa。