来自英国和德国的研究人员开发了一种算法，它使得量子计算机现在可以模拟比以前想象的还要大的量子系统。这种新的算法根据模拟中它们最需要的量子效应来划分量子计算资源，让从许多更小更易于管理的计算任务中提取大型量子系统的相关信息成为可能。

这一研究成果将增强当前的嘈杂中型量子(NISQ)计算机的能力，这种计算机缺乏在材料科学或药物发现中执行有用算法所需的计算资源，这两者都严重依赖于对量子效应的深刻理解。

量子计算机有望完成当今经典超级计算机无法完成的复杂计算。实现这种“量子优势”的一个瓶颈是：设计一台大型无错误的量子计算机非常困难。虽然升级量子技术本身似乎是更容易的解决方案，但还可以改进在这类计算机上运行的算法。例如，通过改变信息的方式。

有效地表示量子态

伦敦大学学院、慕尼黑工业大学、伦敦国王学院和Kuano生物科技公司(前身是量子创业公司GTN)的研究人员从一种名为张量网络的数学工具中获得了灵感，从而开发出了这套新算法。他们的这一最新研究成果发表在《npj Quantum Information》杂志上。

张量网络方法最初是为了在经典计算机上模拟量子系统而开发的，它们的主要优点是能够非常有效地存储某些大量态所描述的信息。研究人员通过专注于最重要的量子效应(比如纠缠)来实现这种效率，并有意将更少的计算资源分配给那些不重要的量子效应。

通过将这些方法转化为量子算法，该研究小组发现，即使处理器是量子的，也同样具有类似的优势。该方法允许划分计算资源，这样算法的各个部分就可以在不同的量子处理器上并行运行，并最终将它们的结果组合在一起。这可能有助于模拟仅在某些区域具有复杂量子相互作用的大分子结构。每个区域都可以分配一个处理器，它们之间的更简单相互作用被归为各自独立的计算。

获得额外的优势

虽然该团队的方法模拟了张量网络在经典计算机上所做的工作，但在量子计算机上运行此类算法具有经典计算永远无法获得的潜在优势。这主要是因为键维的原因，它是一种模拟量子态纠缠量的方法。对于高度纠缠的量子系统，这种键维会变大，并使得计算效率低下。

然而，在量子计算机上，所需的计算资源可能会大大减少。伦敦大学学院凝聚态物理学家、该研究的合著者Andrew Green说：“张量网络是在经典计算机上模拟许多量子系统的最佳方法。我们预计，将它们转化为量子计算机的算法将开启量子优势。”

为了测试他们的方法，Green和他的同事模拟了一个Ising自旋链模型，这是一个大型的一维量子系统，经常被用来模拟有趣的优化问题。这个系统的规模远远超过了以前在量子计算机上所能达到的规模，这表明可以从当前量子计算硬件上的许多小规模计算中提取到大型量子系统相关的有用信息。

根据研究人员的说法，他们的下一步计划可能是开发算法来模拟二维或三维量子系统，以及进行一些远没有那么有序的复杂量子系统的研究。他们希望，虽然这些系统(例如那些具有复杂纠缠的系统)对经典张量网络方法具有挑战性，但将它们转换为量子计算机的方法可能最终会带来突破。（编译:Julien）