港大联合团队首次发现纠缠加速量子模拟，或破解经典计算困局

在物理与材料研究中，模拟是连接理论与实验的关键手段。量子模拟和经典模拟都可用于研究物理模型的性质及其时间演化，在材料、化学、能源、电子、药物和工程等领域均有广泛应用。

长期以来，纠缠被视为量子系统中难以驾驭的资源，尤其在多体系统模拟中，高纠缠状态往往成为实现经典计算方法的阻碍因素。

在近期发表于 Nature Physics 的一项研究中，香港大学赵琦教授、复旦大学周游教授和美国马里兰大学安德鲁·查尔兹（Andrew Childs）教授首次发现纠缠在量子模拟中的加速作用。

简单来理解这项研究：就像你在玩一个超级复杂的乐高模型，如果每一块都乱放（低纠缠），你得花很多时间调整；但如果它们已经自然地组合成几个大模块（高纠缠），拼起来就快多了。这项研究表明，量子系统越“乱”（纠缠），模拟起来反而越简单。

研究人员通过理论分析和数值模拟，证明了量子纠缠能够显著降低量子模拟中的算法误差。具体来说，随着量子系统纠缠度的增加，量子模拟的误差会迅速减小，并最终趋近于平均误差水平。

该研究展示了纠缠熵与哈密顿量模拟误差（论文中指 Trotter 误差）之间的深刻联系，并提出了一种基于测量的自适应模拟协议。不仅深化了对量子纠缠的认知，还证明了高纠缠非但不是障碍，反而是实现量子加速的关键资源。

（来源：Nature Physics）

香港大学教授、2024 年《麻省理工科技评论》“35 岁以下科技创新 35 人”亚太区入选者赵琦对 DeepTech 表示：“经典计算机怕量子纠缠，而我们证明了量子计算机却很喜欢纠缠。高量子纠缠意味着，量子计算机有可能比经典计算机有更大的优势，也更有可能实现量子优势。”

该研究将基础的资源理论与实际任务、算法建立联系，实际上这是一种范式的改变，对量子算法（尤其是自适应算法）设计提供了一种新的思路：纠缠不再仅仅是量子优势的象征，更成为优化算法设计、降低资源成本的有效工具。此外，该研究也为未来实现更高效的量子计算提供了关键的理论指导。

相关论文以《量子纠缠加速量子模拟》（Entanglement accelerates quantum simulation）为题，以封面论文形式发表在 Nature Physics[1]。香港大学赵琦教授、复旦大学周游教授和美国马里兰大学安德鲁·查尔兹（Andrew Childs）教授担任共同通讯作者。

图丨相关论文（来源：Nature Physics）

用经典计算机和量子计算机模拟量子的动力学演化，是两条完全不同的路径。由于经典计算机没有纠缠等量子资源，所以用经典计算机去模拟动力学演化充满挑战；而在量子方案中，此前领域普遍认为是否有纠缠对效率并没有过多影响。

在这项研究中，该团队的核心发现是：用量子方案时，有纠缠会比之前更快。“最初，我们只是想建立量子纠缠和量子计算的表现的联系，但没有完全想到最后的结论和公式会如此干净和漂亮。这也是纯理论的物理论文能够登上 Nature Physics 的原因之一。”赵琦说。

（来源：Nature Physics）

在证明量子纠缠可让量子模拟变得更快的基础上，研究团队进一步开发了自适应量子模拟算法，通过在模拟过程中插入测量装置来实时估计算法误差。这种方法不仅可以自动调整模拟参数以优化性能，还能在不增加过多测量开销的情况下实现高效量子模拟。

此外，根据研究论文，量子纠缠在某些情况下可超越经典模拟的极限。例如，在某些高度纠缠的量子态下，量子模拟的误差可降低，而经典模拟则会因纠缠的复杂性而陷入指数复杂度的困境。这一现象表明，量子纠缠不仅是量子世界与经典世界的重要区别，更是量子计算中不可或缺的资源。

（来源：Nature Physics）

尽管在本次研究中已初步验证了量子纠缠在量子模拟中的作用，但仍有一系列问题需要进一步探索。未来，研究团队计划继续从理论层面深入理解量子世界与经典世界的不同，并通过量子资源与量子算法更多的结合探索这些量子资源的具体用处。

另一方面，未来赵琦研究团队也希望进一步探索纠缠加速在应用方面的具体影响和效果，例如材料模拟、高能物理模拟、电池、催化剂、制药等领域（材料开发相关应用可参考 DeepTech 此前报道：三名教授仅凭量子软件斩获 2 亿元融资，开发“硬件无关”算法和量子材料数据库，牵手谷歌 IBM 加速实用化）。通过利用量子纠缠加速量子模拟，有望显著提升这些任务的效率和准确性。

参考资料：

1.Zhao, Q., Zhou, Y. & Childs, A.M. Entanglement accelerates quantum simulation. Nat. Phys. 21, 1338–1345 (2025). https://doi.org/10.1038/s41567-025-02945-2

运营/排版：何晨龙