最新研究：量子计算机落地超大规模模拟化学的算力优越性

 

（图片来源：网络）

近日，科学家们使用谷歌的Sycamore（悬铃木）量子处理器开展了超大规模的化学模拟实验，并开发出了一种新技术，这种技术有助于抵抗量子电路中常见的噪声。该研究成果论文已发表在《Nature》杂志上。

 

从理论上讲，量子计算机依托量子优势，将解决一些经典计算机无法解决的问题。随着量子比特数目的增长，量子计算机的计算能力将会呈指数级增长。

 

在化学领域，量子计算机可以进行分子反应模拟，从而加速下一代电池或新药的研发进程。因为随着分子数量增多，执行这类模拟所需的算力也将呈指数级增长，这对传统计算机来说可能是一个巨大的挑战，但量子计算将可以发挥量子优势来实现。

 

在新研究中，由谷歌量子AI团队、哥伦比亚大学和加州大学伯克利分校的研究人员组成的研究团队，通过结合经典和量子计算的混合模式，采用蒙特·卡洛算法对H4、氮和固体金刚石分子进行了大量随机模拟计算以寻找分子基态。

 

我们知道，分子基态受到电子数量以及电子在围绕原子核运行时的路径等因素的影响，此次模拟实验中涉及到超过120个路径的计算。与此同时，该团队使用了悬铃木的16个量子比特来完成整个计算中最复杂的步骤——计算分子基态。相比于第一次在悬铃木上进行量子化学计算，此次实验中多使用了4量子比特。该团队称，这是迄今为止悬铃木在化学领域开展的最大规模的模拟实验。

 

该研究论文的作者之一、谷歌量子AI团队成员、量子物理学家William Huggins说：“此前，在悬铃木上进行的化学模拟实验采用的是12量子比特和一种称为变分量子本征求解（VQE）算法，但结果含有一定误差。例如，当我们要从VQE中获得非常精确地答案时，量子电路中的噪声会给结果造成误差。”

 

该研究论文作者之一、哥伦比亚大学量子物理学家Joonho Lee表示：“VQE还需要花费很多时间进行测量才能得出更精确的答案。除此之外，在整个过程中必须尽可能地优化量子电路参数，从而保证寻找到基态近似值，这也带来了更大的成本消耗。”

 

Huggins还补充道，“早前的方法还有一个潜在问题：量子比特敏感脆弱、易出错。而利用新的技术可以完全不受噪声影响。”

 

Lee表示：“我们在论文中提供了有力地证据，充分证明了在这场超大规模实验中，芯片上的噪声不是限制因素。但对于近似基态的电路设计还有欠缺。因此，即使没有开发新的理论工具，我们也能进一步改善目前的方法，要知道在NISQ设备上执行量子化学的精确计算是多么困难，而新技术点亮了一个真正的‘希望灯塔’。”

 

这项新技术的精度几乎与目前最好的经典方法一样高。Huggins说：尽管让NISQ量子计算机在量子化学计算模拟上发挥出实际优势极具挑战性，但未来我们有望取得重大进展，能够切实地解决对经典算法构成计算挑战的问题。

 

据了解，该团队的下一步计划是进行更大规模的实验。Lee说：“我们正在试图突破当前悬铃木的噪音限制。随着我们在开发和理解新算法方面取得进步，我们也期望在硬件以及软件方面取得新进展，从而推进量子化学的应用。”

论文链接：

https://www.nature.com/articles/s41586-021-04351-z

原文链接：

https://spectrum.ieee.org/quantum-chemistry-largest

文：CHARLES Q. CHOI

编译：卉可

编辑：慕一
注：本文编译自“IEEE Spectrum”，不代表量子前哨观点。