变分量子本征求解器的生成式流式热启动
量子物理
2026-01-21 v1 化学物理
机器学习
摘要
变分量子本征求解器（VQE）等混合量子-经典算法在近期量子设备上显示出为量子模拟提供了前景，但常受限于复杂的目标函数和高昂的优化程序。本文提出Flow-VQE，一种生成式框架，利用条件正规化流和可参数化的量子电路高效生成高质量的变分参数。通过在VQE优化循环中嵌入生成式模型，Flow-VQE实现了无梯度的量子优化，提供了一种系统化的参数迁移方法，通过热启动优化加速相关问题的收敛。我们通过分子系统的数值仿真（包括氢链、水、氨和苯）将Flow-VQE与多个标准基线进行比较。我们发现Flow-VQE超越了基准优化算法，实现的计算精度显著提升（改进幅度从适中到两个数量级），且在用于热启动新系统的优化中，相较于Hartree-Fock初始化，收敛速度可提高最高50倍。因此，我们相信Flow-VQE可以成为一种实用且通用的范式，利用生成式建模来降低变分量子算法成本。
引用
@article{arxiv.2507.01726,
title = {Generative flow-based warm start of the variational quantum eigensolver},
author = {Hang Zou and Martin Rahm and Anton Frisk Kockum and Simon Olsson},
journal= {arXiv preprint arXiv:2507.01726},
year = {2026}
}
备注
20 pages; 8 figures