张量网络化的去量化算法用于基态能量估计

验证量子计算在实际问题上的优势，尤其是基态能量估计（GSEE）问题，是量子计算理论中的核心挑战之一。为了此目的，去量化算法在提供清晰的理论框架以分离量子与经典算法复杂度方面发挥着核心作用。然而，现有的去量化算法通常依赖抽样程序，导致计算开销极大，阻碍其在经典计算机上实现。本文提出了一种基于张量网络的GSEE去量化框架，取代了抽样过程，同时保持了先前去量化算法的渐近复杂度。在我们的表述中，抽样带来的开销被表示为张量网络态中切比盆向量所需切片维度的增长。因此，物理结构（如纠缠和局域性）自然地反映在计算成本中。通过将此方法与张量网络近似（如矩阵产品态MPS）相结合，我们构建了一个可在真实计算资源内实现的实用去量化算法。数值模拟表明，我们的方法可以高效地构建最高达$10^4$阶的高阶多项式，用于最多100量子比特的哈密顿量，显著揭示了经典可处理与量子优势区间之间的交叉。这些结果表明，基于张量网络的去量化方法为在真实的许多体系中进行严格、定量的量子优势验证提供了关键工具。