从亚原子粒子到复杂分子，量子系统掌握着理解宇宙如何运作的关键。但有一个问题：当你试图为这些系统建模时，复杂性很快就会失控——想象一下，试图预测一大群人的行为，其中每个人都在不断地影响其他人。把这些人变成量子粒子，你现在面临的是一个“量子多体问题”。

　　量子多体问题是试图预测大量相互作用的量子粒子的行为。解决这些问题可以为化学和材料科学等领域带来巨大进步，甚至推动量子计算机等新技术的发展。

　　但是你加入的粒子越多，就越难模拟它们的行为，尤其是当你在寻找系统的基态，或者最低能态的时候。这很重要，因为基态告诉科学家哪些材料是稳定的，甚至可以揭示像超导这样的奇异相。

　　多年来，科学家们一直依靠量子蒙特卡罗模拟和张量网络（变分波函数）等混合方法来近似解决这些问题。每种方法都有其优点和缺点，但很难知道哪种方法最适合哪种问题。直到现在，还没有一个通用的方法来比较它们的准确性。

　　由EPFL的Giuseppe Carleo领导的一个大型科学家合作小组现在开发了一个名为“V-score”的新基准来解决这个问题。V-score（“V”代表“变分精度”）提供了一种一致的方法来比较不同的量子方法在同一问题上的表现。V-score可以用来识别最难解决的量子系统，在这些系统中，当前的计算方法很难解决，而未来的方法——比如量子计算——可能会提供优势。

　　这一突破性方法发表在《科学》杂志上。

　　V-score是通过两个关键信息来计算的：量子系统的能量和能量波动的程度。理想情况下，能量越低，波动越小，解就越准确。V-score将这两个因素合并为一个数字，使其更容易根据不同方法与精确解的接近程度对不同方法进行排名。

　　为了创建V-score，该团队编制了迄今为止最广泛的量子多体问题数据集。他们对一系列量子系统进行了模拟，从简单的粒子链到复杂的、令人沮丧的系统，这些系统以其难度而闻名。该基准测试不仅显示了哪些方法对特定问题最有效，还突出了量子计算可能产生最大影响的领域。

　　通过测试V-score，科学家们发现一些量子系统比其他量子系统更容易解决。例如，一维系统，如粒子链，可以使用张量网络等现有方法相对容易地解决。但更复杂、高维的系统，比如受挫的量子晶格，有更高的v值，这表明这些问题用今天的经典计算方法更难解决。

　　研究人员还发现，依赖于神经网络和量子电路的方法——这两种未来很有前途的技术——即使与现有技术相比，也表现得相当好。这意味着，随着量子计算技术的进步，我们可能能够解决一些最困难的量子问题。

　　V-score为研究人员提供了一个强大的工具来衡量解决量子问题的进展，特别是在量子计算不断发展的情况下。通过精确指出最难的问题和经典方法的局限性，V-score可以帮助指导未来的研究工作。例如，依赖量子模拟的行业，如制药或能源，可以利用这些见解来专注于量子计算可以给他们带来竞争优势的问题。