[论文解读] Simulating Supersymmetric Quantum Mechanics Using Variational Quantum Algorithms

John Kerfoot, David Schaich+1 more|arXiv (Cornell University)|Mar 19, 2026

Quantum Computing Algorithms and Architecture被引用 0

一句话总结

该论文提出一种自适应-VQE（AVQE）方法，结合针对性算符池来研究0+1D超对称量子力学中的自发超对称性破缺，展示了电路深度的降低，并给出初步的IBM量子设备结果，突出噪声与误差消解挑战。

ABSTRACT

The study of spontaneous supersymmetry breaking (SSB) on the lattice is obstructed by a severe sign problem. Quantum computing provides a promising alternative approach. In particular, properties of supersymmetry relate SSB to the ground-state energy, which can be probed using hybrid quantum--classical algorithms such as the variational quantum eigensolver (VQE). In this work we present VQE analyses for supersymmetric quantum mechanics with various superpotentials. A key new feature is an adaptive ansatz construction algorithm that reduces the number of variational parameters within our ansätze. This lowers the resource burden on both the classical optimizer and the noisy quantum processor, thereby improving the feasibility of these calculations in the NISQ era. Additionally, we present preliminary VQE results obtained from real IBM quantum devices, highlighting accuracy, resource constraints, and computational cost, both with and without the application of error mitigation techniques.

研究动机与目标

• 以0+1D超对称量子力学（SQM）中自发超对称性破缺（SSB）作为量子模拟的测试平台进行研究动机分析。
• 开发一个硬件感知的变分方法（AVQE），在NISQ约束下高效近似基态。
• 探讨 Ansatz 的截断和自适应算符池如何影响在玻色子截断 Lambda 下的精度与可扩展性。
• 在IBM量子设备上提供初步验证，以评估资源需求和误差缓解需求。

提出的方法

• 用截断 Lambda 对无限玻色子希尔伯空间进行正则化，并用 Jordan-Wigner 将费米子哈密顿量映射到量子比特。
• 用 Fock 基底表示玻色子，其中 q̂ 和 p̂ 编码为在 Lambda 处截断的有限矩阵。
• 通过迭代添加单量子比特旋转（RY、RZ）和两量子比特 CRY 门，构建自适应 Ansatz，选自一个池中、对能量梯度影响最大的门（式 Eq. 5）。
• 定义 AVQE 循环：初始化；对池中每个算子计算梯度；添加具有最大梯度的算子；执行 VQE；在可能处复用先前参数；当能量变化小于阈值时终止。
• 使用面向问题的算符池 {RY, RZ, CRY}（式 Eq. 6），并初始化到对 HO、AHO 和 DW 超势能有非零重叠的基态。
• 将 AVQE 的结果与在经典仿真中对 Lambda 由 2 增至 64 时的精确对角化结果进行比对，分析门数、电路深度与截断带来的收益。

实验结果

研究问题

• RQ1 AVQE 是否在一个小型、面向问题的算符池下，能够在不同超势（HO、AHO、DW）下对 SQM 的基态进行准确近似，并随玻色子截断 Lambda 的增加而保持有效性？
• RQ2 在 NISQ 噪声下， Ansatz 的表达能力与电路深度的权衡如何，截断在向更大 Lambda 外推中的作用是什么？
• RQ3 在当前 IBM 硬件上运行 AVQE 启发的电路时，实际的资源成本和误差缓解需求是什么？
• RQ4 将 AVQE 构造的 Ansatz 截断（例如仅保留前几门）是否为实现更大 Lambda 的可行路径，同时保持与基态的重叠？
• RQ5 初步硬件结果是否能为未来更大规模的超对称模型量子仿真（如 SKQD）提供策略指引？

主要发现

• AVQE 构建了面向问题、硬件高效的 Ansatz，能够在逐步增大的 Lambda 下捕捉基态物理，但在 Lambda 较大时由于经典优化器的困难以及哈密顿量的复杂性增加，精度下降。
• 对于 HO、DW、AHO，在 AVQE 序列的初始门对能量影响最大，后续门的贡献逐渐减小，提示可以有效截断。
• 经典仿真显示能量收敛行为与 Ansatz 构造的模式；截断至前几个门可以在能量精度与噪声、资源成本之间取得平衡。
• 初步的 IBM 硬件运行表明设备噪声、读出误差和电路分解成本会在某些情形下导致能量误差不优于约 1e-3，并且误差缓解在显著的 QPU 使用成本下能提高精度。
• 误差缓解（鲁棒性等级）在某些情形下（如 AHO、Lambda=8）能显著改善能量，但会使 QPU 使用量增加大约 2.5x–4x，凸显当前硬件的资源权衡。
• 结果促使探索更具抗噪声的方法（如基于样本的 Krylov QD）以实现对更大规模的威斯-祖诺模型等的量子仿真，在当前的 NISQ 限制下。