迈向计算分子能量的量子计算机

量子计算机变得越来越大，但仍然很少有实用的方法来利用它们额外的计算能力。为了克服这一障碍，研究人员正在设计算法以简化从经典计算机到量子计算机的过渡。

在Nature杂志的一项新研究中，研究人员公布了一种算法，该算法可减少处理化学方程式时由量子比特或量子比特产生的统计误差或噪声。

该算法由哥伦比亚大学化学教授DavidReichman和博士后JoonhoLee与GoogleQuantumAI的研究人员共同开发，在Google的53量子位计算机Sycamore上使用多达16个量子位来计算基态能量，即分子的最低能量状态。“这些是在真正的量子设备上进行过的最大的量子化学计算，”Reichman说。

李说，准确计算基态能量的能力将使化学家能够开发新材料，他也是谷歌量子人工智能的访问研究员。他说，该算法可用于设计材料，以加快农业固氮和制造清洁能源的水解，以及其他可持续发展目标。

该算法使用量子蒙特卡洛，这是一种计算概率的方法系统，当有大量随机的未知变量在起作用时，就像在轮盘赌游戏中一样。在这里，研究人员使用他们的算法确定了三个分子的基态能量：heliocide(H4)，使用八个量子位进行计算;分子氮(N2)，使用12个量子位;和实心钻石，使用16个量子位。

基态能量受变量的影响，例如分子中电子的数量、它们旋转的方向以及它们绕原子核运行时所采用的路径。这种电子能量被编码在薛定谔方程中。随着分子变大，在经典计算机上求解方程变得更加困难，尽管估计解的方法使这个过程变得更容易。量子计算机如何规避指数缩放问题一直是该领域的一个悬而未决的问题。

原则上，量子计算机应该能够处理指数级更大和更复杂的计算，例如求解薛定谔方程所需的计算，因为组成它们的量子比特利用了量子态。与由1和0组成的二进制数字或位不同，量子位可以同时以两种状态存在。然而，量子位是脆弱且容易出错的：使用的量子位越多，最终答案就越不准确。Lee的算法利用经典计算机和量子计算机的综合能力更有效地求解化学方程式，同时最大限度地减少量子计算机的错误。

GoogleQuantumAI的53量子位量子计算机Sycamore。图片来源：ErikLucero，研究科学家和首席生产量子硬件

“这是两全其美，”李说。“我们利用我们已经拥有的工具以及被认为是量子信息科学中最先进的工具来改进量子计算化学。”

经典计算机可以处理Lee的大部分量子蒙特卡罗模拟。Sycamore跳到最后，计算最复杂的步骤：计算试验波函数(对量子计算机可以实现的基态能量的数学描述的猜测)和样本波函数之间的重叠，是蒙特卡洛统计过程的一部分。这种重叠为蒙特卡洛采样提供了一组约束，称为边界条件，这确保了计算的统计效率(有关数学的更多详细信息，请参阅Lee的网络研讨会)。

解决基态能量的先前记录使用了12个量子位和一种称为变分量子本征求解器(VQE)的方法。但VQE忽略了相互作用电子的影响，这是李的量子蒙特卡罗算法现在包括的计算基态能量的一个重要变量。Lee说，从经典计算机中添加虚拟关联技术可以帮助化学家处理更大的分子。

发现这项新工作中的混合经典量子计算与一些最好的经典方法一样准确。这表明使用量子计算机可以比没有量子计算机更准确和/或更快地解决问题——这是量子计算的一个关键里程碑。Lee和他的同事将继续调整他们的算法以提高效率，而工程师们则致力于构建更好的量子硬件。

“解决更大和更具挑战性的化学问题的可行性只会随着时间的推移而增加，”李说。“这给了我们希望，正在开发的量子技术将具有实际用途。”

标签：