用于科学计算的量子线性求解器：在时间分数阶扩散问题上对 VQLS、HHL 与量子退火的比较

这个量子故事为何重要

许多真实世界的过程——从污染物在地下水中的扩散到药物在组织中的迁移——并不像课本那样平滑且可预测。准确捕捉这种“反常”扩散会带来极具挑战性的数学问题，超出当今经典计算机的舒适区。本文提出了一个及时的问题：不同类型的量子设备能否更快或更高效地解决这些艰难的扩散计算？如果可以，它们之间的表现如何比较？

真实材料中的奇异扩散

该研究以时间分数阶扩散方程为核心，这是对经典扩散方程的现代扩展。与假设粒子随机游走且记忆短暂不同，这类模型明确引入了历史效应：久远的事件仍然可能影响当前的扩散行为。这使得它们在描述物理、生物和工程中缓慢、黏滯或跳跃式传输时非常有力。缺点是这种“记忆”使得方程在计算机上求解变得更加困难，尤其是在同时需要精细的时空分辨率时。

把物理问题变成可解的谜题

在任何量子硬件介入之前，必须将连续方程离散化为有限的线性方程组。作者采用了一种称为 WEB-spline 有限元方法的专用数值技术。简单来说，感兴趣区域被划分为精心选择的网格，并用光滑的基函数在满足边界条件的同时逼近解。得到的是一系列大型、稀疏且性质良好的矩阵，忠实地捕捉了奇异的扩散行为。随着网格细化，这些矩阵规模增大但仍大部分为零——正是许多量子算法设计上要利用的结构。

通向同一目标的三条量子路径

将问题编码为线性系统后，论文评估了三种量子求解策略。变分量子线性求解器（VQLS）采用混合方法：一个短小且可调的量子电路提出候选解，经典优化器反复调整电路以减小与右端项的差距。这种设计适合当前有噪声的器件，并能在测试问题上取得高精度，但代价是大量的优化步骤及随问题规模增长而扩展的电路复杂度。Harrow–Hassidim–Lloyd（HHL）算法则遵循基于量子相位估计的更刚性的配方。对于相同的矩阵，HHL原则上可以准备出几乎精确的解态，并在问题规模上带来指数级的速度优势，但前提是拥有深度大、精确且低噪声的电路——这些是未来容错量子计算机的特征，而非当下的原型机。

作为能量最小化捷径的量子退火

第三条路线——量子退火——将线性系统重新表述为能量景观：最佳解对应于许多相互作用的二进制变量的最低能量构型。专用的退火设备或其经典模拟器通过缓慢将初始简单态转换为偏好低能量模式的过程来搜索该景观。在研究中，这通过二次无约束二进制优化（QUBO）模型来实现。退火能成功产生近似解，并且输出为经典比特串——无需对微妙的量子态进行重构——但其精度在某一固定误差水平附近趋于平台期，而运行时间则随着问题规模和用于编码的二进制位数陡增。

正面交锋的测试结果揭示了什么

为公平比较这些方法，作者在同一基于 WEB-spline 离散化的时间分数阶扩散基准问题上运行了三者。测试跟踪所需的量子比特数、所需电路深度、模拟耗时以及答案与高质量经典解的接近程度。VQLS 在提供足够表现力的电路时稳定地达到非常小的残差误差，所需量子比特适中但优化时间不可忽略。随着精度要求的提高，HHL 电路深度和量子比特数都增加，但每增加一层相位估计精度便能带来显著的误差改善。相比之下，量子退火的解质量大体随网格细化保持不变，而总运行时间和等效量子比特需求则随问题规模快速增长。

对未来量子求解器的要点

从非专业者的视角看，论文的核心信息是没有单一量子方法能够全面胜出。变分方法对当前一代量子处理器而言最具实用性，牺牲确定性的加速以换取灵活性和对噪声的鲁棒性。HHL 展示了那类在容错量子计算机到来时可能大放异彩的精确、渐进强大的算法。量子退火则为某些有结构的问题提供了一种直接获得可用经典答案的途径，但在物理模型细化时难以提升精度。总体而言，这些结果表明，将先进的数值离散化方法与不同的量子策略谨慎结合，能够为模拟复杂且具记忆性的传输问题开辟新路径——暗示未来量子增强的求解器可能成为科学计算的常用工具。

引用: Shayegan, A.H.S. Quantum linear solvers for scientific computing: a comparison of VQLS, HHL and quantum annealing on time-fractional diffusion problems. Sci Rep 16, 10278 (2026). https://doi.org/10.1038/s41598-026-40910-y

关键词: 量子线性求解器, 分数阶扩散, 变分量子算法, HHL 算法, 量子退火