MLGO微算法研发：概率量子计算实现虚时演化优化新路径

量子计算迈向实用化的关键阶段，如何在有限的量子硬件条件下高效获取复杂量子系统的基态信息，已成为制约量子算法落地的重要瓶颈。近期，微算法科技（NASDAQ:MLGO）量子计算研发团队正式对外发布了一项技术成果——基于泰勒展开的虚时间演化概率量子算法。该技术在算法结构、资源需求和经典–量子协同方式上均实现了突破性改进，为在近期量子设备（NISQ）上实现虚时间演化提供了一条切实可行的新路径。

虚时间演化在量子多体物理、量子化学以及量子优化问题中占据基础性地位。通过对系统状态施加指数形式的虚时间演化算子，可以在演化过程中指数性地抑制高能态分量，从而逐步投影到系统的基态。这一思想在经典计算中已被广泛应用，但其计算复杂度会随着系统维度呈指数级增长，使得经典模拟在中大规模量子系统面前几乎失效。因此，将虚时间演化直接映射到量子计算机上，被普遍认为是量子计算在基态求解领域最具潜力的应用方向之一。

然而，虚时间演化算子本身是非幺正的，这与量子计算机只能自然实现幺正演化的物理约束形成了根本冲突。已有研究通常依赖复杂的经典预处理，例如变分优化、辅助子空间构造或多层参数搜索，这不仅显著增加了算法实现成本，也削弱了量子算法本身的优势。在这一背景下，微算法科技从算法基本形式出发，重新审视了虚时间演化在量子电路中的实现方式，提出了一种基于泰勒展开与概率测量机制的全新量子算法框架。

该算法的核心思想在于，将虚时间演化算子的指数形式通过泰勒级数进行截断展开，从而将原本难以直接实现的非幺正算子，转化为一组可控的多项式算子叠加。在这一过程中，算法并不试图在量子电路中精确还原指数演化，而是通过概率性实现的测量方式，在测量后态中有效逼近目标虚时间演化结果。这种思路在本质上绕开了传统方法中对复杂经典优化和高深度电路的依赖，使算法结构更加简洁且硬件友好。

在具体实现层面，微算法科技（NASDAQ:MLGO）该算法针对由泡利算符乘积项构成的哈密顿量进行了系统性设计。泡利展开形式在量子化学与量子多体物理中极为常见，这使得算法具备天然的适用性。通过引入仅一个辅助量子比特，并利用受控门操作，算法能够在量子电路中构造出对应泰勒展开项的线性组合。整个电路完全由单量子比特门和双量子比特门组成，避免了对多体高阶受控门的依赖，从而显著降低了电路深度与误差累积风险。

值得一提的是，该算法在经典–量子协同方式上的设计体现了高度的工程化思维。与许多现有虚时间演化量子算法不同，该方案所需的经典预计算仅限于极少量的数值计算，用于确定泰勒展开的系数和截断阶数。这些计算无需复杂的数值优化，也不涉及多轮经典–量子反馈循环，使得算法整体流程更加稳定、可控，特别适合在当前量子云平台和实验型量子硬件上部署。

从算法运行机制来看，虚时间演化通过一系列概率性成功的量子测量步骤逐步实现。每一次成功测量都对应着系统状态在虚时间方向上的一次有效推进，而失败事件则可以通过简单的重复执行进行补偿。这种概率量子算法的设计理念，与当前量子设备门保真度有限但可重复运行的现实条件高度契合，使得算法在噪声环境下仍具备实际可操作性。

与此同时，微算法科技还将该算法应用于海森堡模型这一典型量子多体系统，用于测试算法在自旋链体系中的可扩展性和稳定性。通过对不同系统规模和相互作用参数的测试，结果显示，该算法能够在不过分增加资源消耗的情况下，保持对基态能量的良好逼近能力。这一结果进一步证明了算法在量子多体物理问题中的通用性。

从技术路线角度看，这项基于泰勒展开的虚时间演化概率量子算法，为量子算法设计提供了一种不同于变分算法和哈密顿量模拟的全新范式。它不依赖复杂参数优化，不追求严格的确定性实现，而是通过概率性机制与简洁电路结构，实现对关键物理过程的有效近似。这种思路为未来在噪声中等规模量子设备上开展实用量子模拟，提供了重要的设计参考。

总体而言，微算法科技（NASDAQ:MLGO）这项基于泰勒展开的虚时间演化概率量子算法，通过在算法结构、资源需求和工程实现上的系统创新，显著拓展了虚时间演化在量子计算机上的实现方式。它不仅为当前量子硬件条件下的基态求解提供了可行路径，也为后续更大规模、更高精度的量子模拟技术奠定了坚实基础。随着量子计算硬件和云平台能力的不断提升，该技术有望在未来量子计算产业化进程中发挥重要作用。