2. 本征值问题与变分原理

VQE 的整个算法骨架建立在一个非常朴素的数学事实上：任何量子态对厄米算符的期望值，都不会低于该算符的最小本征值。这句话看起来简单，却同时决定了 VQE 的优化目标、误差方向和可解释性。本节从厄米算符的本征值性质出发，推导瑞利商下界，再落到期望值的测量实现，最后分析变分近似误差究竟来自哪里。

厄米算符的本征值性质

在量子力学中，可观测量对应厄米算符 H，满足 H = H†。厄米算符有三条对 VQE 至关重要的性质：本征值为实数；属于不同本征值的本征向量相互正交；存在一组完整的本征向量构成希尔伯特空间的正交基。设本征方程 H|φi⟩ = Ei|φi⟩，且按能量升序排列 E0 ≤ E1 ≤ … ≤ En−1，则任意归一化态 |ψ⟩ 都可以在这组基下展开为 |ψ⟩ = Σi ci|φi⟩，且 Σ|ci|² = 1。基态能量 E0 就是我们要找的目标，而 VQE 并不直接求解本征方程，而是通过调节参数化量子态去逼近它。

瑞利商与变分下界

定义瑞利商 R(ψ) = ⟨ψ|H|ψ⟩ / ⟨ψ|ψ⟩。把展开式代入，分子为 Σ|ci|²Ei，分母为 Σ|ci|²。由于每个 Ei ≥ E0，立刻得到

⟨ψ|H|ψ⟩ = Σ|ci|²Ei ≥ E0 Σ|ci|² = E0

这就是变分原理：任意试探态的期望值都是基态能量的上界，等号仅当 |ψ⟩ 落在基态本征子空间时成立。它给 VQE 一个明确的方向性——优化过程中能量只会向 E0 靠近而不会穿过它，因此“能量越低越好”是可靠的判据，而不是启发式猜测。同时它也说明：VQE 得到的是近似基态能量的上界估计，真实基态能量不会高于任何一次测量得到的期望值。

若目标是激发态，可对 H 加上惩罚项 H + β|φ0⟩⟨φ0|（β 足够大），把第一激发态变成新算符的基态，变分下界依然成立。这是 VQE 求激发态的常用技巧。

期望值计算与测量

真实分子哈密顿量经 Jordan-Wigner 或 Bravyi-Kitaev 映射后写成泡利串的线性组合：H = Σk hkPk，其中 Pk ∈ {I, X, Y, Z}⊗n，hk 为实系数。于是

⟨H⟩ = Σk hk ⟨Pk⟩

每一项 ⟨Pk⟩ 都需要在对应测量基下采样。由于不同泡利串可能不对易，不能一次全部测完，需要按对易关系分组：同一组内所有泡利串可共享同一组测量基，从而减少线路执行次数。对单个泡利串，测量结果是 ±1 的本征值，用 N 次采样估计均值，统计误差约为 1/√N。因此总能量误差不仅取决于态本身，还取决于采样数分配——系数 |hk| 大的项应分配更多采样。

# 期望值估计的伪代码（示例参数，非实测结果）
H_terms = [("ZZ", 0.18), ("XX", -0.12), ("YY", -0.12), ("ZI", 0.50), ("IZ", -0.50)]
groups  = group_commuting(H_terms)      # 按对易关系分组
for group in groups:
    basis = measurement_basis(group)    # 例如 ZZ 组用计算基
    counts = run_circuit(ansatz, basis, shots=4096)
    for P, h in group:
        exp_val = estimate_pauli(counts, P)   # 取值在 [-1, 1]
        energy += h * exp_val

注意这里有一个常被忽略的细节：测量噪声与统计误差会直接进入优化目标。如果每次迭代都用少量采样，能量估计的抖动可能大于相邻参数点之间的真实差异，导致优化器在平台区乱走。工程上常用“参数化线路 + 固定测量分组 + 每轮适度增加采样”的策略，并在收敛阶段提高采样数以压低方差。

变分近似误差来源分析

VQE 的最终误差并非单一来源，而是几类误差叠加的结果，理解它们的相对量级才能决定优化重点。

  • 拟设表达能力不足（表达误差）：参数化线路生成的态流形无法覆盖真实基态。这是最主要的系统性误差，表现为优化收敛后能量仍明显高于 E0，且增加迭代次数无效。对策是增加层数、改用问题启发式拟设（如 UCCSD）或自适应拟设（ADAPT-VQE）。
  • 优化陷入局部极小或平台：参数空间非凸，梯度可能消失。表现为不同初始参数收敛到不同能量值。对策是多起点初始化、使用参数迁移、采用自然梯度或量子自然梯度。
  • 测量统计误差：有限采样带来的随机偏差，随 1/√N 下降。表现为能量曲线抖动，可通过增加采样或误差缓解抑制。
  • 硬件噪声：门错误、退相干、读出错误使实际执行的态偏离理想拟设态。表现为能量随线路深度增加而系统性抬高，需结合零噪声外推、读出校正等手段。

下面这张图把“哈密顿量分解—分组测量—期望值合成—与变分下界比较”的链路，以及四类误差在链路中的注入位置放在一起，便于定位问题出在哪一环。

VQE 期望值链路与误差注入位置 哈密顿量 H Σ hₖPₖ 泡利分解 对易分组 共享测量基 采样测量 ⟨Pₖ⟩ ∈ [−1, 1] 加权求和 ⟨H⟩ = Σ hₖ⟨Pₖ⟩ 参数化拟设 U(θ)|ψ₀⟩ 经典优化器 更新 θ → θ′ 变分下界 E₀ ⟨H⟩ ≥ E₀ 表达误差 拟设流形覆盖不足 优化误差 局部极小 / 梯度平台 统计误差 有限采样 ~ 1/√N 硬件噪声 门错误 / 退相干 / 读出 绿色为优化回路，红色虚线表示四类误差注入点；橙色为不可穿越的变分下界

实际排查时可按“先看收敛后能量是否随层数下降”区分表达误差与优化误差：增加层数能量明显下降，说明原拟设表达不足；增加层数无改善但换初始点有改善，说明是优化问题。若能量随线路深度单调抬高，则优先怀疑硬件噪声。把误差来源分清，才能避免用增加采样去解决表达误差这类“药不对症”的调参。

变分下界只保证期望值不低于 E0，并不保证优化一定能到达 E0。因此“能量没有低于真实基态”不能作为正确性验证，真正的验证需要与经典方法（如精确对角化、CCSD、FCI）在小体系上对照。

把本节串起来看：厄米性保证本征值实数且可排序，瑞利商给出上界方向，泡利分解与分组测量把期望值变成可执行的采样任务，而四类误差决定了这个上界离真实基态还有多远。后续设计拟设与优化策略时，所有取舍本质上都是在与这四类误差做平衡。

← 上一章 📖 返回目录 下一章 →