《Computer Physics Communications》：VQA_POISSON: A Quantum Library for Solving Two-Dimensional Poisson Equations with Mixed Boundary Conditions
編輯推薦：
本文系統評述了在噪聲中尺度量子（NISQ）時代，利用變分量子算法（VQA）求解二維泊松方程的三種主流方法：置換算符（PO）、稀疏分解（SD）及傅里葉對角化（FD）法。研究揭示了量子算法設計中“分解項減少-電路深度增加-噪聲敏感性升高”的權衡關系，并通過IBM量子硬件上的實證結果對比，強調了在現實硬件約束下（如受限量子比特連通性、原生門集）進行定量基準測試的重要性。文中同步發布了基于Qiskit的開源庫VQA_POISSON，為相關研究提供了可復現的硬件感知框架。
高亮
我們比較了三種基于相同代價函數公式（公式(4)）的代表性算法：來自Sato等人的置換算符（PO）法、來自Choi等人的稀疏分解（SD）法，以及第2.1節中介紹的傅里葉對角化（FD）法。為清晰起見，我們在全文中使用其指定的名稱。我們假設如圖1所示的、深度為d的擬設設計。由于一層n量子比特的擬設需要n個RY門和n-1個CX門，因此單個擬設電路的總量子門數為d(2n-1)。然而，計算Laplacian的期望值所需的量子門數取決于每種分解方法中涉及的酉項數。在下面的分析中，我們假設每個算法都已針對IBM量子硬件（如ibm_brisbane）進行了最優化映射。表1總結了三種方法在量子門數方面的理論比較。對于d維問題，PO和SD方法需要O(d)個項，而FD方法僅需要d個項。這種差異導致在測量開銷和電路深度之間存在明顯的權衡。由于FD方法利用了量子傅里葉變換（QFT）的酉性質，它在理論上實現了最少的分解項，從而顯著降低了評估代價函數所需的測量次數。然而，這種優勢的代價是引入了更深的量子電路，特別是由于QFT模塊本身會帶來額外的門開銷。相反，SD方法通過直接分解離散化的Laplacian矩陣生成更淺層的電路，從而降低了由硬件噪聲引起的誤差累積風險，但這是以增加測量次數為代價的。PO方法在門數和項數方面通常處于中間位置。這種權衡強調了算法選擇不應僅基于理論復雜度，還應考慮目標硬件平臺的特定約束，如本機門保真度和量子比特連通性。
復雜性分析
我們對共享相同代價函數公式（公式(4)）的三種代表性算法進行了比較：來自Sato等人的置換算符（PO）法、來自Choi等人的稀疏分解（SD）法，以及第2.1節中介紹的傅里葉對角化（FD）法。為清晰起見，我們在全文中一致地使用其指定的名稱來指代這些方法。我們假設使用圖1中深度為d的擬設設計。由于一層n量子比特的擬設需要n個RY門和n-1個CX門，一個擬設電路的總量子門數便為d(2n-1)。然而，為了計算Laplacian算符的期望值，所需的量子門總數取決于每種分解方法中包含的酉項數量。下面的分析假設每種算法都已針對目標量子硬件（例如IBM的ibm_brisbane）進行了最優化映射。表1匯總了三種方法在量子門數方面的理論比較。對于d維問題，PO和SD方法需要O(d)個項，而FD方法僅需d個項。這種差異導致了測量開銷與電路深度之間顯著的權衡關系。得益于量子傅里葉變換（QFT）的酉性質，FD方法在理論上實現了最少的分解項，從而大幅降低了評估代價函數所需的測量次數。然而，這種優勢的代價是引入了更深的量子電路，特別是QFT模塊本身會帶來額外的門開銷。相比之下，SD方法通過直接分解離散化的Laplacian矩陣，生成了更淺層的電路，這有助于降低由硬件噪聲引起的誤差累積風險，但代價是測量次數的增加。PO方法在門數和項數上通常處于中間位置。這種權衡關系突顯了算法選擇不應僅基于理論復雜度，還必須考量目標硬件平臺的具體約束，例如本機門的保真度和量子比特之間的連接性。
結論
這項研究比較分析了三種用于求解泊松方程的、基于變分量子算法（VQA）的求解器——置換算符（PO）法、稀疏分解（SD）法和傅里葉對角化（FD）法，它們均在統一的代價函數框架下構建。結果揭示了一個根本性的權衡：利用量子傅里葉變換（QFT）來最小化分解項數的FD方法，實現了最低的邏輯門數量和更少的測量需求，但對硬件噪聲也表現出更高的敏感性。
