合肥国家实验室/复旦大学周游教授与香港大学计算机系赵琦教授、美国马里兰大学 Andrew Childs 教授合作，系统性探讨了量子纠缠与多体量子模拟算法之间的深层联系，创新性地提出了基于纠缠熵的量子模拟误差上界，并开发了基于纠缠信息的自适应测量误差动态优化算法。研究首次从理论上证明：虽然高度纠缠的量子系统会极大提升经典计算机的模拟难度，却能显著提高量子计算机的模拟效率，从而为实现“量子优越性”提供了全新理论支撑。相关研究论文于7月14日在以“Entanglement accelerates quantum simulation（量子纠缠加速量子模拟）”为题发表在国际学术期刊《自然·物理》（Nature Physics）上。

© Nature Physics

本项研究首次建立了纠缠熵与Trotter量子模拟算法误差的定量关系。令人意外的是，随着系统纠缠程度提升，相关算法误差反而减小，并趋近于算法误差的平均表现。在前期工作中，团队已证明量子模拟算法误差的平均表现可较以往大幅减小，部分系统中甚至可达随粒子数平方根级别的下降Zhao, Zhou, Shaw, Li, Childs, Physical Review Letters 129, 270502 (2022)]。

研究人员通过数值模拟验证了该理论：如典型参数下的量子横场伊辛模型（QIMF），随着演化态纠缠熵迅速增长，同时一阶和二阶Trotter 模拟误差均降低并收敛至平均值。相反，非典型参数下，纠缠熵增长缓慢，误差也难以显著收敛。

图 1：纠缠熵与模拟误差的演化趋势： 本图左右两侧 Y 轴分别表示系统纠缠熵（右）和量子模拟误差（左）。随着时间推移，部分参数下纠缠熵迅速升高，模拟误差则同步下降并趋于稳定, 并接近平均误差分析（a，b）；而在其他参数下，纠缠熵变化缓慢，误差也难以明显降低到平均误差水平（出 c, d）。 

在长时间量子模拟任务中，纠缠迅速增长并达到“加速阈值”，使算法整体效率与平均表现相当，大幅优于传统最坏情形下的资源消耗。如图 2 所示，随着纠缠程度增加，经典张量网络方法资源消耗呈指数增长，而量子模拟依然可在多项式资源下高效完成。当纠缠突破特定阈值后，所需资源进一步降低，充分展现出量子纠缠带来的“模拟加速效应”。

图 2：本图对比了在不同纠缠程度下， 量子算法与经典算法进行 多体量子系统模拟时的资源消耗。 随着纠缠程度的提升， 经典模拟方法所需资源呈指数级增加， 而量子模拟的资源消耗则保持在多项式水平， 且在高纠缠区域该消耗进一步降低， 显著优于经典方法。 

为充分利用该现象，团队提出了基于纠缠信息的自适应量子模拟算法：在演化过程中动态测量纠缠熵或误差，据此调整 Trotter 步长，实现与平均误差分析相当的线路深度。更重要的是，这一“纠缠加速”现象不仅适用于本工作研究的模型，还可望推广至更复杂的量子绝热算法与量子相位估计算法。

该成果不仅深化了对量子纠缠物理本质的理解，也为高效量子模拟与量子信息处理奠定了坚实基础，预计将在量子计算、材料模拟等前沿领域产生重要影响。未来，这一发现有望推动化学、凝聚态物理、核物理等领域的高效量子模拟，助力科学家更深入探索自然界奥秘。

相关工作得到了合肥国家实验室、国家自然科学基金、香港研究资助局、上海市科技创新行动计划、复旦大学基础研究特区项目等项目的支持。

论文链接：https://www.nature.com/articles/s41567-025-02945-2 

信息来源：“量子科话”微信公众号