1. 量子化学计算与量子算法工程导论

量子化学计算与量子算法工程，是一门把“分子电子结构问题”与“量子计算执行模型”连接起来的交叉课程。它既不是单纯的量子力学理论课，也不是只讲量子门与线路的量子计算课，而是围绕一个核心目标展开：如何把化学问题转化为可计算、可验证、可在量子硬件或量子模拟器上执行的算法流程。理解这一点，是进入后续所有章节的前提。

课程定位：从化学问题到量子执行

传统量子化学计算以 Hartree-Fock、密度泛函理论（DFT）、耦合簇（CCSD(T)）等方法为主，在经典计算机上处理中小分子已经相当成熟。但当体系强关联、活性轨道数增大时，精确求解的代价会迅速上升。量子算法工程关注的是另一条路径：用 qubit 表示电子占据或自旋轨道，用参数化量子线路制备试探波函数，通过测量期望值并优化参数，逼近分子基态能量。课程要培养的，正是这种“问题建模—算法选择—线路实现—结果判读”的完整能力。

因此，本课程的知识结构可以概括为三层：底层是量子化学对象与哈密顿量，中层是量子算法与线路构造，上层是工程实现、误差管理与结果验证。三者缺一不可。只会推导公式而不会写线路，或只会调用接口而不理解费米子映射，都无法真正完成一个可复现的量子化学计算任务。

核心对象：分子、哈密顿量与量子态

课程中反复出现的核心对象有四类。第一类是分子体系，包括原子坐标、基组、电荷与自旋多重度。例如研究 H₂ 时，常用 STO-3G 基组，两个氢原子间距取 0.735 Å，总电荷为 0，单重态。第二类是二次量子化哈密顿量，它把电子动能、核吸引、电子排斥写成产生算符与湮灭算符的组合。第三类是费米子到 qubit 的映射，如 Jordan-Wigner、Bravyi-Kitaev 或 Parity 映射，决定一个自旋轨道占据态如何对应到 qubit 的 |0⟩ 与 |1⟩。第四类是参数化量子态与测量结果，例如用 UCCSD 型拟设制备试探态，再测量哈密顿量各项的期望值并求和得到能量。

这些对象之间的关系，可以用下面的结构图表示。图中左侧是化学输入，中间是算法与映射，右侧是执行与结果，箭头表示数据与依赖方向。

技术栈全景：从化学到量子执行

一个完整的量子化学计算任务，通常涉及以下技术栈层次。第一层是化学建模层：确定分子结构、基组与活性空间。第二层是哈密顿量层：用 OpenFermion、PySCF、Psi4 等工具生成积分并构造费米子哈密顿量。第三层是映射与线路层：选择 Jordan-Wigner 或 Bravyi-Kitaev 映射，构造 UCCSD 或硬件高效拟设。第四层是执行层：在 Qiskit、Cirq、PennyLane 等框架中编译线路，提交到模拟器或真实量子设备。第五层是优化与验证层：用经典优化器（如 COBYLA、SPSA、Adam）更新参数，并与精确解或高精度经典方法对比。

以 H₂ 分子在 STO-3G 基组下的最小示例为例：2 个电子、4 个自旋轨道，经 Jordan-Wigner 映射后需要 4 个 qubit。采用 UCCSD 拟设时，只需一个双激发参数 θ。能量期望值可写成 E(θ) = a + b·cos(2θ) + c·sin(2θ) 的形式（具体系数由积分决定）。在模拟器上运行 VQE，初始 θ = 0，经过若干轮迭代后，能量会从 Hartree-Fock 能量下降并趋近 FCI 能量。这个例子虽小，却完整覆盖了“输入—映射—线路—测量—优化—验证”的全链路，是理解后续章节的最佳起点。

学习路线图：先通链路，再攻细节

建议的学习顺序是：先建立整体数据流认知，再逐层深入。具体可分为四个阶段。第一阶段，掌握二次量子化、基组与活性空间的基本概念，能读懂一个分子哈密顿量的来源。第二阶段，理解费米子映射与参数化量子线路，能手工写出 H₂ 的 4-qubit 线路并解释每个门的作用。第三阶段，掌握 VQE 的优化流程与测量方法，能独立完成一次模拟器上的基态能量计算，并绘制收敛曲线。第四阶段，进入误差缓解、激发态、强关联体系与量子优势讨论，理解当前算法的能力边界。