多电子体系基态的求解问题有广泛的应用，纯经典算法求解时，精确计算的复杂度随电子数目呈指数增长，通过近似求解可以实现多项式复杂度，但会牺牲精度。变分量子本征求解器（VQE）、虚时演化等量子算法相比经典算法可能在效率上有优势，但对规模化不够友好。

近日，谷歌的量子AI团队用另一种量子算法——费米量子蒙特卡洛（fermionic quantum Monte Carlo, QMC）模拟，采用经典-量子混合方法无偏差地计算了至多120个轨道的化学系统的基态能量。QMC避免了把基态波函数直接用量子态表示，而是进行随机虚时演化并采样基态能量的估计值，加权平均得到基态能量，从而实现多项式复杂度的精确计算。QMC存在费米符号问题，导致解的信噪比发散，这可以通过加约束抑制，但约束又会带来偏差。约束通过试探波函数给出，经典的试探波函数一般是Hartree-Fock态等平均场近似下的态，通过量子处理器可以考虑一般的两体关联，从而得到更接近基态波函数的量子试探波函数，测量它和随机虚时演化所得的样本的交叠，可以指导经典协处理器上的量子蒙特卡洛计算，消除偏差。测量交叠时采用影层析（shadow tomography）技术，避免了经典和量子部分之间的来回迭代，但这也增加了经典后处理资源。实验得到的基态能量精度与经典的黄金标准算法CCSD相当。

该工作是至今在量子处理器上实现的最大规模的化学模拟，精度与经典方法可比，且具有一定抗噪能力，它演示了一种新的经典-量子混合算法示例，有望在多电子体系计算上实现量子优势，成为一种具有实用价值的量子算法。

论文信息：https://arxiv.org/abs/2106.16235v1