面向量子机器学习的电子结构信息多体编码

研究提出一种面向量子机器学习（QML）的物理启发编码方法，将平均场计算得到的 $n$ 体电子描述符通过 $n$ 量子比特门编码，系统提升量子电路的多体表达能力。在 1 至 4 体编码的电子相关能预测基准测试中，增加体序可系统逼近全组态相互作用极限，且利用低阶信息构建非连通多粒子密度可大幅降低高阶编码的计算成本。