《Computer Physics Communications》：VQA_POISSON: A Quantum Library for Solving Two-Dimensional Poisson Equations with Mixed Boundary Conditions
编辑推荐：
本文系统评述了在噪声中尺度量子（NISQ）时代，利用变分量子算法（VQA）求解二维泊松方程的三种主流方法：置换算符（PO）、稀疏分解（SD）及傅里叶对角化（FD）法。研究揭示了量子算法设计中“分解项减少-电路深度增加-噪声敏感性升高”的权衡关系，并通过IBM量子硬件上的实证结果对比，强调了在现实硬件约束下（如受限量子比特连通性、原生门集）进行定量基准测试的重要性。文中同步发布了基于Qiskit的开源库VQA_POISSON，为相关研究提供了可复现的硬件感知框架。
高亮
我们比较了三种基于相同代价函数公式（公式(4)）的代表性算法：来自Sato等人的置换算符（PO）法、来自Choi等人的稀疏分解（SD）法，以及第2.1节中介绍的傅里叶对角化（FD）法。为清晰起见，我们在全文中使用其指定的名称。我们假设如图1所示的、深度为d的拟设设计。由于一层n量子比特的拟设需要n个RY门和n-1个CX门，因此单个拟设电路的总量子门数为d(2n-1)。然而，计算Laplacian的期望值所需的量子门数取决于每种分解方法中涉及的酉项数。在下面的分析中，我们假设每个算法都已针对IBM量子硬件（如ibm_brisbane）进行了最优化映射。表1总结了三种方法在量子门数方面的理论比较。对于d维问题，PO和SD方法需要O(d)个项，而FD方法仅需要d个项。这种差异导致在测量开销和电路深度之间存在明显的权衡。由于FD方法利用了量子傅里叶变换（QFT）的酉性质，它在理论上实现了最少的分解项，从而显著降低了评估代价函数所需的测量次数。然而，这种优势的代价是引入了更深的量子电路，特别是由于QFT模块本身会带来额外的门开销。相反，SD方法通过直接分解离散化的Laplacian矩阵生成更浅层的电路，从而降低了由硬件噪声引起的误差累积风险，但这是以增加测量次数为代价的。PO方法在门数和项数方面通常处于中间位置。这种权衡强调了算法选择不应仅基于理论复杂度，还应考虑目标硬件平台的特定约束，如本机门保真度和量子比特连通性。
复杂性分析
我们对共享相同代价函数公式（公式(4)）的三种代表性算法进行了比较：来自Sato等人的置换算符（PO）法、来自Choi等人的稀疏分解（SD）法，以及第2.1节中介绍的傅里叶对角化（FD）法。为清晰起见，我们在全文中一致地使用其指定的名称来指代这些方法。我们假设使用图1中深度为d的拟设设计。由于一层n量子比特的拟设需要n个RY门和n-1个CX门，一个拟设电路的总量子门数便为d(2n-1)。然而，为了计算Laplacian算符的期望值，所需的量子门总数取决于每种分解方法中包含的酉项数量。下面的分析假设每种算法都已针对目标量子硬件（例如IBM的ibm_brisbane）进行了最优化映射。表1汇总了三种方法在量子门数方面的理论比较。对于d维问题，PO和SD方法需要O(d)个项，而FD方法仅需d个项。这种差异导致了测量开销与电路深度之间显著的权衡关系。得益于量子傅里叶变换（QFT）的酉性质，FD方法在理论上实现了最少的分解项，从而大幅降低了评估代价函数所需的测量次数。然而，这种优势的代价是引入了更深的量子电路，特别是QFT模块本身会带来额外的门开销。相比之下，SD方法通过直接分解离散化的Laplacian矩阵，生成了更浅层的电路，这有助于降低由硬件噪声引起的误差累积风险，但代价是测量次数的增加。PO方法在门数和项数上通常处于中间位置。这种权衡关系突显了算法选择不应仅基于理论复杂度，还必须考量目标硬件平台的具体约束，例如本机门的保真度和量子比特之间的连接性。
结论
这项研究比较分析了三种用于求解泊松方程的、基于变分量子算法（VQA）的求解器——置换算符（PO）法、稀疏分解（SD）法和傅里叶对角化（FD）法，它们均在统一的代价函数框架下构建。结果揭示了一个根本性的权衡：利用量子傅里叶变换（QFT）来最小化分解项数的FD方法，实现了最低的逻辑门数量和更少的测量需求，但对硬件噪声也表现出更高的敏感性。
