本期『量子信息』專欄主持人 王子竹

評“經(jīng)典、量子及其混合場景下的經(jīng)典關(guān)聯(lián)生成協(xié)議”

王子竹

關(guān)聯(lián)性作為區(qū)別經(jīng)典和量子世界的最基本性質(zhì)之一，從量子信息產(chǎn)生早期，科學(xué)家們就對其產(chǎn)生、消耗以及在信息處理任務(wù)中扮演的角色進(jìn)行了持續(xù)的研究。量子信息中的關(guān)聯(lián)性由強到弱一般分為非定域/互文性(nonlocality/contextuality)、可導(dǎo)性(steerability)與糾纏(entanglement)幾種。滿足這幾種關(guān)聯(lián)性的概率分布組成的集合由弱到強是上一級集合的真子集：非定域的關(guān)聯(lián)一定可導(dǎo)，并且產(chǎn)生這些關(guān)聯(lián)的量子態(tài)一定是糾纏態(tài)，反之則不成立。這幾種關(guān)聯(lián)性的定義都用到了經(jīng)典共享隨機性(shared randomness)。經(jīng)典關(guān)聯(lián)和與之密切相關(guān)的經(jīng)典共享隨機性既可以看作是量子關(guān)聯(lián)性的“種子”，也可以反過來把它當(dāng)成可以用量子關(guān)聯(lián)高效生成的“果子”。

該文回顧了3 種產(chǎn)生經(jīng)典關(guān)聯(lián)的主要途徑：經(jīng)典、量子與經(jīng)典量子混合。其中經(jīng)典與量子場景都可以對產(chǎn)生經(jīng)典關(guān)聯(lián)所需的資源進(jìn)行精確的數(shù)學(xué)刻畫：它們分別由非負(fù)秩(nonnegative rank)和半正定秩(PSD rank)來決定。在混合場景中，考慮到NISQ 時代對量子資源的操控能力有限，通過引入quantumcapability 的概念量化所需的額外經(jīng)典資源，并分先經(jīng)典后量子與先量子后經(jīng)典兩種場景進(jìn)行了討論。前一種場景可以精確刻畫所需的額外經(jīng)典比特數(shù)，后一種場景可以給出所需比特數(shù)的上界。



評“基于變分量子虛時演化和UCC Ansatz 的基態(tài)求解器”

王子竹

量子變分求解器(variationalquantumeigensolver,VQE)作為中等尺度含噪聲量子器件(noisyintermediate-scalequantumdevices,NISQ)時代可能產(chǎn)生實際應(yīng)用的場景，近年來在量子計算和量子信息研究中備受關(guān)注。VQE 作為一種量子?經(jīng)典混合算法，將純經(jīng)典算法中需要對量子系統(tǒng)進(jìn)行精確模擬調(diào)控的問題交給算法的量子部分，同時保留了經(jīng)典優(yōu)化算法的高效率和準(zhǔn)確度。也正是由于這種特性，使得VQE 解決特定量子問題如尋找多體量子系統(tǒng)基態(tài)時對描述量子系統(tǒng)的擬設(shè)(ansatz)有很大的依賴。一個好的擬設(shè)可以使算法在解決問題時事半功倍，而一個不好的擬設(shè)可能使算法長時間無法收斂到最優(yōu)值上。

該文采用了一種稱為UCC 的擬設(shè)，并將其轉(zhuǎn)化為小量子電路，作為變分算法的基本組成部分。在有了好的擬設(shè)之后，如何使用變分法優(yōu)化這些電路是算法需要解決的第二個問題。量子多體模擬中常見的虛時演化法是一種簡單有效的尋找基態(tài)算法。但與普通的虛時演化算法不同，由于變分空間是量子電路，所以文中采用了VITE 算法對量子電路進(jìn)行變分虛時演化。整個算法在MindQuantum 平臺上實現(xiàn)，并用其求解LiH 分子的基態(tài)能量，得到了很好的效果。作者們憑借此算法奪得了第四屆量子計算黑客松全國大賽冠軍。