量子算能带不再逐材料造哈密顿量：硅八条能带与精确对角化只差1.78毫电子伏

量子能带计算现在可以从一个预训练的通用紧束缚模型直接取得每个k点的哈密顿量，不必为每种材料单独做密度泛函加Wannier化或手工拟合参数。 此前的量子能带研究里，输入给量子求解器的二次量子化哈密顿量都是逐材料手工构造的，Wannier化需要挑选解纠缠窗口、初始投影并做收敛检查，经验紧束缚则要针对目标能带拟合。 在硅上沿Γ−X−W−K−Γ−L−U−W−L−K|U−X路径取161个k点，三量子比特变分量子亏损算法给出的八个本征值与同一SlaKoNet哈密顿量的精确对角化相比，全带全k点平均绝对偏差1.78毫电子伏，最大偏差29.32毫电子伏出现在被连续亏损七次的最高激发态上。

流程把神经哈密顿量接到Qiskit的变分量子亏损算法上，逐条剥离已找到的本征态，从而在一个k点取出整组能带。 SlaKoNet用自动微分学习Slater-Koster形式中随距离变化的跃迁与重叠积分，覆盖元素周期表65种元素，运行时用多项式插值给出H(k)与重叠矩阵S(k)。 每个k点的8×8矩阵先做对称化投影再分解成泡利串，映射到3个量子比特；变分线路用EfficientSU2、5次重复共36个可训练参数，经典优化器为COBYLA，模拟器为无噪声态矢量后端。

同一套线路与优化器设置不加调整就迁移到五种常规超导材料，误差维持在毫电子伏量级。 元素金属Al、Ta、V、Nb用两量子比特基组，岩盐型氮化物ZrN用三量子比特基组，量子比特数随轨道基组大小变化。 逐带平均绝对误差在Al、Ta、V、Nb上分别为0.05、0.02、0.01、0.02毫电子伏，ZrN为1.74毫电子伏，与硅的1.78毫电子伏相当。

在IBM量子硬件上，铝的一个代表性k点基态能量完成了端到端计算。 这次运行只处理基态，没有在真实器件上解析亏损后的激发态谱。 在ibm_boston上每次能量估计取20480次采样，误差缓解后的估计与同一哈密顿量精确基态相差约0.37电子伏，单次估计的散粒噪声标准误约0.06电子伏。

演示范围限于SlaKoNet训练域内原子序数不超过65的晶体，硅的完整能带对照在无噪声态矢量模拟器上完成，硬件执行只覆盖铝的一个代表性k点基态。同一流程在Al、Ta、V、Nb与ZrN上无需重新训练即可给出能带，量子比特数随轨道基组在2到3之间变化。原文把声子能带与机器学习加速的量子动力学平均场列为后续方向。

绝对电子结构精度主要由SlaKoNet相对TBmBJ参考的偏差决定，在52个材料的基准上带隙平均绝对误差为0.74电子伏，超宽禁带绝缘体上可达约2.3电子伏。已发布模型不含自旋轨道耦合，也不提供排斥对势，因此重元素体系与依赖排斥项的总能量量不可得。变分量子亏损的重叠惩罚随已找到态数线性增长，最高能带的误差约为基态的30.3倍。硬件误差约0.37电子伏，大于化学精度。相关电子结构部分用迭代微扰理论作杂质求解器，准粒子权重宜读作关联趋势而非收敛数值。