本期“量子信息”專欄評述

本期『量子信息』專欄主持人 王子竹

評“經典、量子及其混合場景下的經典關聯生成協議”

王子竹

關聯性作為區別經典和量子世界的最基本性質之一，從量子信息產生早期，科學家們就對其產生、消耗以及在信息處理任務中扮演的角色進行了持續的研究。量子信息中的關聯性由強到弱一般分為非定域/互文性(nonlocality/contextuality)、可導性(steerability)與糾纏(entanglement)幾種。滿足這幾種關聯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：非定域的關聯一定可導，并且產生這些關聯的量子態一定是糾纏態，反之則不成立。這幾種關聯性的定義都用到了經典共享隨機性(shared randomness)。經典關聯和與之密切相關的經典共享隨機性既可以看作是量子關聯性的“種子”，也可以反過來把它當成可以用量子關聯高效生成的“果子”。

該文回顧了3 種產生經典關聯的主要途徑：經典、量子與經典量子混合。其中經典與量子場景都可以對產生經典關聯所需的資源進行精確的數學刻畫：它們分別由非負秩(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典資源，并分先經典后量子與先量子后經典兩種場景進行了討論。前一種場景可以精確刻畫所需的額外經典比特數，后一種場景可以給出所需比特數的上界。



評“基于變分量子虛時演化和UCC Ansatz 的基態求解器”

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)時代可能產生實際應用的場景，近年來在量子計算和量子信息研究中備受關注。VQE 作為一種量子?經典混合算法，將純經典算法中需要對量子系統進行精確模擬調控的問題交給算法的量子部分，同時保留了經典優化算法的高效率和準確度。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基態時對描述量子系統的擬設(ansatz)有很大的依賴。一個好的擬設可以使算法在解決問題時事半功倍，而一個不好的擬設可能使算法長時間無法收斂到最優值上。

該文采用了一種稱為UCC 的擬設，并將其轉化為小量子電路，作為變分算法的基本組成部分。在有了好的擬設之后，如何使用變分法優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 算法對量子電路進行變分虛時演化。整個算法在MindQuantum 平臺上實現，并用其求解LiH 分子的基態能量，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。