利用多体局域化实现可扩展变分量子模拟

变分量子算法代表了在近期硬件上实现实用量子优势的一条有希望的途径。尽管具有这一前景，但对于通用的、具有高表达能力的 ansatz，其可扩展性受到贫瘠高原（即梯度指数衰减的区域）的严重阻碍。我们证明，在多体局域化（MBL）相内初始化一种硬件高效、Floquet 结构的 ansatz，可以缓解贫瘠高原并增强算法的可训练性。通过分析逆参与比、纠缠熵以及一种新型低权重稳定子 R\'enyi 熵，我们表征了一种独特的 MBL-热化转变。在低于临界踢强度时，该电路避免了形成酉 2-设计，表现出稳健的面积律纠缠，并保持非消失的梯度。利用这种 MBL 机制，促进了几种模型哈密顿量基态的高效变分制备，且显著减少了计算资源。至关重要的是，在 127 量子比特超导处理器上的实验为 kicked Heisenberg 链在 MBL 相中可训练梯度的保持提供了证据，在当代含噪声硬件上验证了我们的方法。我们的发现将基于 MBL 的初始化定位为开发可扩展 VQA 的一种可行策略，并激发了将局域化更广泛地整合到量子算法设计中的动机。