虚时间演化是研究多体量子系统的有力工具。尽管用传统计算机模拟这种演变在概念上很简单,但时间和内存要求随着系统规模呈指数级增长。相反,量子计算机可以高效地模拟多体量子系统,但是虚时间演化的非单一性质与典范幺正量子电路不兼容。在这里我们提出了一种变分方法来模拟量子计算机上的虚时间演化,使用一种结合了量子和经典资源的混合算法。我们将这种技术应用于寻找许多粒子哈密顿量子的基态能量的问题。我们对量子计算化学中的问题进行了数值测试; 特别,找到氢分子和氢化锂的基态能量。我们的算法成功地找到了高概率的全局基态,优于通常陷入局部最小值的梯度下降优化。我们的方法也可以应用于一般优化问题,吉布斯状态准备和量子机器学习。由于我们的算法是混合的,适用于误差减轻方法,并且可以利用浅量子电路,所以它可以用当前和近期的量子计算机来实现。和量子机器学习。由于我们的算法是混合的,适用于误差减轻方法,并且可以利用浅量子电路,所以它可以用当前和近期的量子计算机来实现。和量子机器学习。由于我们的算法是混合的,适用于误差减轻方法,并且可以利用浅量子电路,所以它可以用当前和近期的量子计算机来实现。