变分量子本征值求解器在带噪 Max-Cut 中的光锥消去

穿透量子噪声

随着量子计算机的发展，它们有望解决许多现实世界的难题，从在网络中路由数据到设计更好的材料。但当今的设备规模小且存在噪声：一旦增加更多量子比特（qubit），错误很快就会淹没计算结果。本文探讨了一种在不完美机器上更好利用资源的方法，通过裁剪量子电路保持计算精度，即便硬件离理想状态还很远，研究聚焦于一个经典问题——Max-Cut。

为何分割网络很重要

Max-Cut 听起来简单但应用广泛。想象一个由点和连线构成的网络——这些点可以代表社交关系、通信线路或芯片上的元件。目标是将点划分为两组，使得尽可能多的连线连接两组之间而不是组内。这在小网络上容易，但随着网络规模增大问题变得极其困难，且在传统计算机上没有已知的快速精确解法。因此，Max-Cut 成为新算法——包括在量子硬件上运行的算法——的试验场。

在有噪世界里的混合量子方法

这项研究基于一类流行的混合方法——变分量子算法。在这些方案中，量子电路生成一个候选解，经典计算机调整电路参数以逐步改进该解。这里使用的具体方法是变分量子本征值求解器（VQE），通常用于化学问题，但也可改用于像 Max-Cut 这样的优化问题。与另一种知名量子方法量子近似优化算法（QAOA）相比，这类电路能够用更少的门层（layers）达到良好解，这在每增加一次操作都会带来更多噪声的情形下至关重要。

只保留真正重要的部分

论文的核心思想称为光锥消去。在评估候选解好坏时，每个局部测量实际上只受一小片量子比特邻域的影响。位于该“光锥”之外的门对该局部数值没有影响，尽管它们存在于完整电路中。作者展示了如何为 Max-Cut 计算的每个局部部分系统地去除这些冗余门。与其模拟作用于所有比特的一个大电路，不如将任务分解为若干更小的子电路，每个子电路只使用少量比特，但合起来能准确重现相同的总体感兴趣量。

用更少的量子比特做更多事情

这种剪裁带来两大好处。首先，它大幅减少了单次运行所需的比特和门数。对于所研究的具体 Max-Cut 设置，作者证明无论原始网络多大，使用单层门时每个子电路最多只需五个比特。这意味着最多 100 个节点的问题可以用物理上只有七个比特的硬件来有效探索。其次，更短更小的电路在当今设备上更不易受噪声影响。在模拟的“仿真”量子后端（模拟两台不同 IBM 机器）上，使用光锥消去的电路在逼近比率（即接近真实最优切分的程度）方面始终优于未简化的电路，即便两者在相同的噪声硬件上运行。

与经典捷径的比较

研究人员还将他们的无噪方法与著名的经典 Max-Cut 近似算法——Goemans–Williamson 算法进行了比较。在 100 个节点的大图上，他们发现结合光锥消去的量子方法在密集网络上表现尤为出色，常常在接近最优解的程度上略胜经典基准。他们还进一步探讨了增加更多量子门层时的表现。尽管额外层数在理论上使电路更具表达能力，但在实践中会带来更难的优化景观和更大的有效子电路，因此找到非常高质量解的几率反而下降。

为未来裁剪量子电路

通俗地说，这项工作表明，谨慎地去除不会影响最终分数的量子计算部分，可以让小型、嘈杂的量子设备发挥超出其硬件规模的能力。通过只关注对问题每个局部部分真正重要的电路区域，光锥消去技术将原本难以驾驭的计算转化为许多更小、更干净的计算。对于 Max-Cut，这意味着只用少量有效比特就能解决非常大型的网络划分任务，同时降低硬件错误的影响。随着量子处理器的逐步改进，此类节省电路的技巧可能是将脆弱机器转变为处理复杂优化问题的有用工具的关键。

引用: Lee, X., Yan, X., Xie, N. et al. Light cone cancellation for variational quantum eigensolver in solving noisy Max-Cut. Sci Rep 16, 9597 (2026). https://doi.org/10.1038/s41598-025-31798-1

关键词: 量子优化, Max-Cut, 变分量子算法, 噪声缓解, 光锥消去