中文

使用大规模张量网络对 Lipkin-Meshkov-Glick 模型的量子模拟进行基准测试

量子物理 2026-07-30 v1
作者: Maggie Bao , Rushil Dandamudi , Jerimiah Wright , Joan Étude Arrow , Henry Zou , Vardaan Sahgal , Brian J. McDermott
在 arXiv 上查看 ↗ PDF ↗

摘要

随着量子计算的成熟，将其解决现实世界问题的性能与竞争性经典方法（如张量网络）进行基准测试至关重要。在本工作中，我们利用密度矩阵重整化群 (DMRG) 算法计算 Lipkin-Meshkov-Glick (LMG) 模型的基态能量，作为与变分量子本征求解器 (VQE) 和基于样本的量子对角化 (SQD) 方法等流行含噪中等规模 (NISQ) 算法的比较基准。通过在 NERSC Perlmutter 超级计算机上运行 DMRG，我们提供了文献中最大规模的 LMG 基态能量数据集之一，包含多达 1400 个粒子的系统的精确基态能量。我们将这些结果与在 IBM Eagle 量子计算机上实现的 VQE 和 SQD 进行了比较。VQE 对 6 个粒子实现了 1% 误差范围内的结果，但对所有其他值均超出该阈值；而 SQD 将该范围扩展至 17 个粒子，这表明在含噪中等规模量子时代，基于子空间的方法可能在精度、线路深度和噪声鲁棒性之间取得最佳平衡。

关键词

Lipkin-Meshkov-Glick 模型 张量网络 DMRG VQE 量子基准测试 NISQ

引用

@article{arxiv.2607.28570,
  title  = {Benchmarking Quantum Simulations of the Lipkin-Meshkov-Glick Model Using Large Tensor Networks},
  author = {Maggie Bao and Rushil Dandamudi and Jerimiah Wright and Joan Étude Arrow and Henry Zou and Vardaan Sahgal and Brian J. McDermott},
  journal= {arXiv preprint arXiv:2607.28570},
  year   = {2026}
}

备注

22 pages, 20 figures