mindquantum.algorithm.nisq.QubitUCCAnsatz

class mindquantum.algorithm.nisq.QubitUCCAnsatz(n_qubits=None, n_electrons=None, occ_orb=None, vir_orb=None, generalized=False, trotter_step=1)[源代码]

量子比特幺正耦合簇（qUCC）是幺正耦合簇的变体，它使用量子比特激励算子而不是费米子激励算子。量子比特激励算子跨越的Fock空间相当于费米子算子，因此可以使用量子比特激发算子以更高阶的 Trotterization 为代价来近似精确的波函数。

qUCC最大的优点是：即使使用3阶或4阶Trotterization，CNOT门的数量比UCC的原始版本小得多。此外，尽管变分参数的数量增加，但精度也大大提高。

说明

不包括哈特里-福克电路。目前，不允许generalized=True，因为需要理论验证。参考文献： Efficient quantum circuits for quantum computational chemistry。

参数：

n_qubits (int) - 模拟中量子比特（自旋轨道）的数量。默认值： None。
n_electrons (int) - 给定分子的电子数。默认值： None。
occ_orb (list) - 手动分配的占用空间轨道的索引。默认值： None。
vir_orb (list) - 手动分配的虚拟空间轨道的索引。默认值： None。
generalized (bool) - 是否使用不区分占用轨道或虚拟轨道的广义激励（qUCCGSD）。目前，不允许 generalized=True ，因为需要理论验证。默认值： False。
trotter_step (int) - 梯度的数量。建议设置大于等于2的值，以获得较好的精度。默认值： 1。

样例：

>>> from mindquantum.algorithm.nisq import QubitUCCAnsatz
>>> QubitUCCAnsatz().n_qubits
0
>>> qucc = QubitUCCAnsatz(4, 2, trotter_step=2)
>>> qucc.circuit[:6]
      ┏━━━┓                   ┏━━━┓
q0: ──┨╺╋╸┠─────────■─────────┨╺╋╸┠─────────────────────────────────
      ┗━┳━┛         ┃         ┗━┳━┛
        ┃           ┃           ┃   ┏━━━┓                   ┏━━━┓
q2: ────╂───────────╂───────────╂───┨╺╋╸┠─────────■─────────┨╺╋╸┠───
        ┃           ┃           ┃   ┗━┳━┛         ┃         ┗━┳━┛
        ┃   ┏━━━━━━━┻━━━━━━━┓   ┃     ┃   ┏━━━━━━━┻━━━━━━━┓   ┃
q1: ────■───┨ RY(t_0_q_s_0) ┠───■─────■───┨ RY(t_0_q_s_1) ┠───■─────
            ┗━━━━━━━━━━━━━━━┛             ┗━━━━━━━━━━━━━━━┛
>>> qucc.n_qubits
4
>>> qucc_2 = QubitUCCAnsatz(occ_orb=[0, 1], vir_orb=[2])
>>> qucc_2.operator_pool
[-1.0*t_0_q_s_0 [Q0^ Q4] +
1.0*t_0_q_s_0 [Q4^ Q0] , -1.0*t_0_q_s_1 [Q1^ Q4] +
1.0*t_0_q_s_1 [Q4^ Q1] , -1.0*t_0_q_s_2 [Q2^ Q4] +
1.0*t_0_q_s_2 [Q4^ Q2] , -1.0*t_0_q_s_3 [Q3^ Q4] +
1.0*t_0_q_s_3 [Q4^ Q3] , -1.0*t_0_q_s_4 [Q0^ Q5] +
1.0*t_0_q_s_4 [Q5^ Q0] , -1.0*t_0_q_s_5 [Q1^ Q5] +
1.0*t_0_q_s_5 [Q5^ Q1] , -1.0*t_0_q_s_6 [Q2^ Q5] +
1.0*t_0_q_s_6 [Q5^ Q2] , -1.0*t_0_q_s_7 [Q3^ Q5] +
1.0*t_0_q_s_7 [Q5^ Q3] , -1.0*t_0_q_d_0 [Q1^ Q0^ Q5 Q4] +
1.0*t_0_q_d_0 [Q5^ Q4^ Q1 Q0] , -1.0*t_0_q_d_1 [Q2^ Q0^ Q5 Q4] +
1.0*t_0_q_d_1 [Q5^ Q4^ Q2 Q0] , -1.0*t_0_q_d_2 [Q2^ Q1^ Q5 Q4] +
1.0*t_0_q_d_2 [Q5^ Q4^ Q2 Q1] , -1.0*t_0_q_d_3 [Q3^ Q0^ Q5 Q4] +
1.0*t_0_q_d_3 [Q5^ Q4^ Q3 Q0] , -1.0*t_0_q_d_4 [Q3^ Q1^ Q5 Q4] +
1.0*t_0_q_d_4 [Q5^ Q4^ Q3 Q1] , -1.0*t_0_q_d_5 [Q3^ Q2^ Q5 Q4] +
1.0*t_0_q_d_5 [Q5^ Q4^ Q3 Q2] ]