摘要：芬兰赫尔辛基 Algorithmiq Ltd 的研究人员开发了 Majorana 传播，这是一种模拟费米子电路的有效经典方法。该方法受到泡利传播的启发，但利用了基础单项式而不是泡利权重，可以精确模拟和优化自适应费米子电路模拟。该方法对于在强关联系统中寻找近似基

芬兰赫尔辛基 Algorithmiq Ltd 的研究人员开发了 Majorana 传播，这是一种模拟费米子电路的有效经典方法。该方法受到泡利传播的启发，但利用了基础单项式而不是泡利权重，可以精确模拟和优化自适应费米子电路模拟。该方法对于在强关联系统中寻找近似基态特别有效。它既可以独立应用，也可以与量子硬件结合使用，为推进量子计算应用提供了一种多功能工具。

马约拉纳传播是一种使用基单项式而非泡利弦来模拟费米子电路的方法。这种方法直接在费米子空间中运行，将量子比特映射推迟到硬件执行。它专注于非结构化电路，其中门从有界长度的单项式中随机选择，从而能够高效管理计算复杂性。

该方法擅长模拟自适应费米子电路模拟，通过在模拟过程中动态生成代数基础，其性能优于张量网络方法。此功能使其能够处理由许多单激发门产生的密集状态而无需额外截断，这使得它对于传统稀疏 Fock 基础表示具有挑战性的复杂系统特别有效。

电路优化中的应用

马约拉纳传播用途广泛，既可以作为独立的经典算法，也可以作为与量子硬件集成的工具。其应用包括模拟费米子动力学、在机

器学习任务中处理量子数据，以及优化结合经典和量子计算的混合算法的电路。这种多功能性使其成为一种有价值的技术，可利用近期的量子硬件，同时保持与未来容错计算环境的相关性。

数值比较表明，在处理由许多单激发门产生的密集状态时，马约拉纳传播优于张量网络方法。该方法能够在模拟过程中动态生成代数基础，这比传统方法具有显著优势，特别是在稀疏 Fock 基础表示不足的情况下。

马约拉纳传播在近似强关联分子的基态方面特别有效。通过避免对波函数稀疏性的依赖，该方法可以灵活地表示难以用稀疏 Fock 基项表达的复杂量子态。这种能力使其成为研究系统的强大工具，而传统方法由于状态空间的复杂性而难以研究这些系统。

混合经典-量子方法

利用马约拉纳传播的混合经典量子方法结合了两种计算范式的优势。这些方法有利于在尚无法实现完整量子计算的情况下优化电路和模拟费米子动力学。通过将经典算法与量子硬件相结合，马约拉纳传播使量子计算技术的实际实现成为可能，从而弥合了理论模型与实际应用之间的差距。

展望未来，马约拉纳传播有望在量子计算领域获得广泛应用。它能够处理密集状态并适应复杂系统，因此成为增进我们对量子力学理解和开发新计算范式的宝贵工具。随着量子硬件的不断发展，马约拉纳传播有望在释放各个领域量子计算的全部潜力方面发挥关键作用。

虽然仍需考虑其计算资源需求和可扩展性，但正在进行的研究旨在解决这些挑战并进一步提高该方法的适用性。随着不断发展，马约拉纳传播有可能成为量子计算工具包的重要组成部分，从而推动从材料科学到人工智能等领域的突破。

来源：聚汇简闻