视频字幕
变分量子本征求解器，简称VQE，是量子计算领域的一个重要算法。它专门用于求解分子的基态能量问题，这在量子化学和材料科学中具有重要意义。传统的经典计算方法在处理大分子时面临指数级的计算复杂度，而量子计算由于其天然适合模拟量子系统的特性，为这类问题提供了新的解决方案。VQE作为一种混合量子-经典算法，巧妙地结合了量子计算和经典优化的优势，特别适用于当前的含噪中等规模量子设备。
变分原理是VQE算法的数学基础。它表述为：对于任何参数化的试探波函数，其能量期望值总是大于或等于系统的真实基态能量。这个不等式为我们提供了一个重要的优化目标：通过调整参数，使能量期望值尽可能接近真实的基态能量。在能量曲面图中，我们可以看到能量随参数变化的情况，红色虚线表示真实基态能量，而我们的目标就是找到使能量函数达到最小值的最优参数。
在VQE中，参数化量子线路被称为Ansatz，它是制备试探波函数的关键组件。Ansatz的设计有两种主要思路：硬件高效Ansatz注重适应量子硬件的拓扑结构，通过减少量子门数量来降低噪声影响；而化学启发Ansatz则基于分子轨道理论，如酉耦合簇方法，具有明确的物理意义。量子线路通常由旋转门和CNOT门组成，旋转门用于调整单量子比特状态，CNOT门用于产生量子纠缠。线路深度的选择需要在表达能力和噪声影响之间找到平衡点。
在VQE中测量哈密顿量期望值是一个关键步骤。首先需要将分子哈密顿量分解为泡利算符的线性组合，每个泡利项都是泡利矩阵的张量积。由于量子计算机只能在计算基下直接测量，我们需要通过基变换将量子态转换到相应的测量基。对于每个泡利项，我们分别进行多次测量并统计结果，最终通过加权求和得到哈密顿量的期望值。这个过程需要大量的量子测量，是VQE算法中计算开销较大的部分。
VQE算法是一个迭代优化过程，包含六个主要步骤。首先进行参数初始化，然后使用参数化量子线路制备试探态，接着测量哈密顿量期望值，将结果传递给经典优化器进行参数更新，最后判断是否收敛。常用的优化器包括COBYLA无梯度优化、SPSA随机扰动近似和Adam自适应学习率算法。整个过程会持续迭代直到能量收敛到预设精度或达到最大迭代次数。从能量收敛曲线可以看出，算法通常在前几次迭代中快速下降，然后逐渐趋于稳定。