4. 变分原理与VQE数学基础

VQE（Variational Quantum Eigensolver，变分量子本征求解器）之所以能在含噪声的中等规模量子设备上求解分子基态能量，根本原因在于它把“量子态制备”与“经典参数优化”拆成了两个可协作的部分。理解这条协作链，需要先抓住三个数学支柱：Rayleigh-Ritz变分原理给出能量下界与优化目标，参数化量子电路（ansatz）给出可搜索的态空间，期望值计算与梯度优化框架给出从参数到能量、再从能量回到参数更新的闭环。

一、Rayleigh-Ritz变分原理：能量下界的来源

设分子电子哈密顿量为 H，其本征态为 |ψ_i⟩，对应本征能量 E_i，且 E_0 ≤ E_1 ≤ E_2 ≤ …。对任意归一化试探态 |φ(θ)⟩，定义 Rayleigh 商：

E(θ) = ⟨φ(θ)|H|φ(θ)⟩ / ⟨φ(θ)|φ(θ)⟩

变分原理断言：E(θ) ≥ E_0 恒成立，等号当且仅当 |φ(θ)⟩ 落在基态子空间时取得。这条不等式是VQE的“安全绳”——无论参数怎么调，算出的能量都不会低于真实基态能量，因此优化目标就是让 E(θ) 尽可能逼近 E_0。在量子线路中，态通常天然归一化，于是分母为1，能量简化为 E(θ)=⟨φ(θ)|H|φ(θ)⟩。

实际分子哈密顿量经二次量子化与Jordan-Wigner或Bravyi-Kitaev映射后，写成泡利字符串的加权和：

H = Σ_k c_k P_k,  P_k ∈ {I, X, Y, Z}^⊗n

例如氢分子在STO-3G基组、键长0.735 Å附近，约化后常得到十几个泡利项，系数 c_k 由积分计算得到。于是能量期望值变成各泡利项期望值的加权和：E(θ)=Σ_k c_k ⟨P_k⟩。这一步把“算能量”转化为“在量子线路上测若干泡利项”，是VQE可执行的关键。

二、参数化量子电路：可搜索的态空间

ansatz 决定了 |φ(θ)⟩ 能覆盖哪些态。常见形式是硬件高效型（Hardware-Efficient）与化学启发型（UCCSD）。硬件高效型由单比特旋转层和纠缠层交替堆叠：

for layer in range(L):
    for q in qubits:
        Rx(θ[layer,q,0]) ; Ry(θ[layer,q,1]) ; Rz(θ[layer,q,2])
    for (q1,q2) in entangling_pairs:
        CNOT(q1,q2)

参数总数约为 3·n·L。以4量子比特、2层为例，共24个可调参数。UCCSD则从Hartree-Fock参考态出发，用激发算符生成：|φ(θ)⟩=exp(T−T†)|HF⟩，其中 T 包含单激发与双激发。它的优点是物理意义明确、对强关联体系更紧凑，但线路深度大、在近期硬件上易受噪声影响。选择ansatz时要在“表达能力”与“可执行深度”之间权衡：表达不足会卡在高于 E_0 的局部极小，表达过强则参数多、优化难、噪声累积严重。

三、期望值计算与梯度优化框架

能量期望值通过多次测量估计。对每个泡利项 P_k，在相应测量基下对线路输出采样，统计 +1/−1 的频率得到 ⟨P_k⟩。若用 N_shots 次采样，统计误差约为 1/√N_shots。例如 N_shots=8192 时单项标准差约0.011，若哈密顿量有20项、系数绝对值之和为2，则能量统计误差量级约 0.011×2≈0.022 Ha，这对化学精度（约1.6 mHa）而言偏大，因此常需增加采样或采用分组测量。

参数更新依赖梯度。对含参门 U(θ)=e^{-iθP/2}，参数移位规则给出：

∂E/∂θ = [E(θ+π/2) − E(θ−π/2)] / 2

它只需两次额外线路评估，且对噪声有一定鲁棒性。得到梯度后，可用梯度下降、Adam或BFGS更新：θ ← θ − η·∇E(θ)。实践中常配合收敛判据：连续若干次能量变化小于 1e-6 Ha，或梯度范数小于 1e-4。若能量长时间停滞且梯度接近零，需检查是否陷入局部极小、ansatz是否不足或测量噪声是否过大。

四、从数学到工程：一个可复现的检查清单

把上述框架落到代码与实验时，建议按以下顺序核对，避免“能量不收敛却找不到原因”：

总结来看，VQE的数学基础是一条清晰的闭环：变分原理保证能量下界并定义目标函数，参数化电路把优化变量映射为量子态，期望值计算把量子态转化为可读能量，梯度优化再把能量信息转化为参数更新。四者缺一不可，而工程上的成败往往取决于ansatz选择、采样预算与优化器配置这三处的平衡。