2022 সালে স্টেট অফ দ্য আর্ট কোয়ান্টাম কেমিস্ট্রি

কোয়ান্টাম রসায়ন খুব কঠিন। সেরা কোয়ান্টাম কম্পিউটিং রসায়ন 12 কিউবিট / 12 পরমাণুর স্তরে বলে মনে হচ্ছে। সুপারকম্পিউটার সিমুলেশন 20টি কিউবিট এবং 20টি পরমাণু সিমুলেশন পরিচালনা করতে পারে। প্রাথমিক কাগজপত্র রয়েছে যা সুপারিশ করে যে ক্লাসিক্যাল সুপারকম্পিউটারগুলি কিছু ধরণের সিমুলেশনের জন্য 100টি পরমাণু এবং 1000 কিউবিট পেতে পারে। কোয়ান্টাম কম্পিউটারগুলি 35টি উচ্চ বিশ্বস্ততা আটকে থাকা আয়নকে ঠেলে দিচ্ছে এবং কোয়ান্টাম কম্পিউটারগুলির সাথে উচ্চতর ত্রুটি প্রশমন এবং ত্রুটি দমন এবং চূড়ান্ত ত্রুটি সংশোধন অর্জনের জন্য কাজ রয়েছে। সুপারকম্পিউটার এবং কোয়ান্টাম সিস্টেমের জন্য অ্যালগরিদমগুলির অগ্রগতি অব্যাহত রয়েছে এবং বিভিন্ন কোয়ান্টাম প্রযুক্তি সহ অনেক প্রতিযোগী রয়েছে যারা হাজার হাজার এবং মিলিয়ন কিউবিট স্কেল করতে এবং উচ্চতর এবং আরও দক্ষ ত্রুটি ব্যবস্থাপনা বিকাশের জন্য অগ্রগতি করতে চাইছে।

2022 সালে একটি কাগজ ছিল যেখানে সানওয়ে সুপার কম্পিউটারে কোয়ান্টাম সিমুলেশন সঞ্চালিত হয়েছিল। বর্তমান পর্যায়ে, কোয়ান্টাম কম্পিউটেশনের ক্লাসিক্যাল সিমুলেশন কোয়ান্টাম অ্যালগরিদম এবং কোয়ান্টাম কম্পিউটিং আর্কিটেকচারের অধ্যয়নের জন্য, বিশেষ করে ভিকিউই হিসাবে হিউরিস্টিক কোয়ান্টাম অ্যালগরিদমের জন্য গুরুত্বপূর্ণ। একটি কোয়ান্টাম কম্পিউটারে সম্পাদিত সবচেয়ে বড় VQE পরীক্ষায় 12টি কিউবিট ব্যবহার করা হয়েছে। কোয়ান্টাম রসায়নে একটি শিল্পগতভাবে প্রাসঙ্গিক কোয়ান্টাম কম্পিউটেশনাল সুবিধা প্রায় 38 ≤ N ≤ 68 qubits (ত্রুটি-সংশোধিত qubits অনুমানে) উপস্থিত হবে বলে আশা করা হচ্ছে, যা একটি ইলেকট্রনিক কাঠামোর সমস্যা সহ
19 ≤ N ≤ 34 ইলেকট্রন।

RQC (র্যান্ডম কোয়ান্টাম সার্কিট) এর তুলনায়, VQE (ভেরিয়েশনাল কোয়ান্টাম আইজেনসোলভার) কোয়ান্টাম এবং ক্লাসিক্যাল উভয় কম্পিউটারের জন্যই অনেক বেশি চাহিদা, উদাহরণস্বরূপ, একটি সাধারণ কোয়ান্টাম কম্পিউটেশনাল কেমিস্ট্রি সিমুলেশনের সাথে জড়িত CNOT গেটের সংখ্যা দ্রুত 1 মিলিয়নের বেশি হয়ে যায় যা সাধারণত ব্যবহৃত হয়। শারীরিকভাবে অনুপ্রাণিত ansatz যেমন ইউনিটারি কাপলড-ক্লাস্টার (UCC)। অধিকন্তু, প্যারামেট্রিক কোয়ান্টাম সার্কিটকে বহুবার কার্যকর করতে হবে যেমনটি বৈচিত্র্যগত অ্যালগরিদমের জন্য সাধারণ। এই প্রভাবগুলি ক্লাসিক্যাল কম্পিউটার ব্যবহার করে VQE-এর বর্তমান তদন্তের বেশিরভাগকে খুব ছোট সমস্যায় সীমাবদ্ধ করে (20 কিউবিটের কম)। সানওয়ে আর্কিটেকচারে জুলিয়া প্রোগ্রামিং ভাষা প্রকাশ করা এবং এটি 20 মিলিয়ন কোরের বেশি দক্ষতার সাথে চালানোও একটি অত্যন্ত চ্যালেঞ্জিং কাজ। 2022 এর কাজটি কোয়ান্টাম কম্পিউটেশনাল কেমিস্ট্রির বৃহৎ-স্কেল ক্লাসিক্যাল সিমুলেশনের জন্য মান নির্ধারণ করেছে এবং কাছাকাছি-মেয়াদী কোলাহলযুক্ত কোয়ান্টাম কম্পিউটারে VQE অ্যাপ্লিকেশনের বেঞ্চমার্ক করার পথ প্রশস্ত করেছে।

Q2 কেমিস্ট্রি কোয়ান্টাম কম্পিউটেশনাল কেমিস্ট্রির বৃহৎ-স্কেল সিমুলেশনের জন্য উপযুক্ত, যা সিস্টেমের আকারের বিপরীতে মেমরি স্কেলিংকে দ্রুতগতিতে কমাতে ঘনত্ব ম্যাট্রিক্স এমবেডিং থিওরি এবং ম্যাট্রিক্স প্রোডাক্ট স্টেটের সমন্বয়ের উপর ভিত্তি করে; একটি কাস্টমাইজড তিন-স্তরের সমান্তরালকরণ স্কিম বাস্তবায়িত হয়েছে শারীরিক সমস্যার প্রকৃতি এবং বহু-কোর আর্কিটেকচার অনুযায়ী; জুলিয়া প্রাথমিক ভাষা হিসাবে ব্যবহৃত হয় যা উভয়ই প্রোগ্রামিংকে সহজ করে তোলে এবং নেটিভ সি বা ফোরট্রানের কাছাকাছি কাটিং এজ পারফরম্যান্স সক্ষম করে; প্রোটিনলিগ্যান্ড মিথস্ক্রিয়াগুলির গণনাগত পরিমাণে Q2 কেমিস্ট্রির শক্তি প্রদর্শনের জন্য বাস্তব রাসায়নিক সিস্টেমগুলি অধ্যয়ন করা হয়েছে। তাদের সর্বোত্তম জ্ঞান অনুসারে, এটি প্রথম রিপোর্ট করা কোয়ান্টাম কম্পিউটেশনাল কেমিস্ট্রি সিমুলেশন
DMET-MPS-VQE (এবং MPS-VQE ব্যবহার করে 100 কিউবিট) ব্যবহার করে 1000টি পরমাণু এবং 200 কিউবিট সহ বাস্তব রাসায়নিক সিস্টেমের জন্য গণনা, এবং প্রায় 20 মিলিয়ন কোরের স্কেল। এটি কাছাকাছি মেয়াদের সাথে বেঞ্চমার্কিংয়ের পথ তৈরি করে
প্রায় 100 কিউবিট সহ কোয়ান্টাম কম্পিউটারে VQE পরীক্ষা-নিরীক্ষা।

একটি নতুন গবেষণা দেখায় যে বাস্তব-বিশ্বের স্বার্থের সমস্যাগুলির জন্য, যেমন একটি পরমাণুর ক্লাস্টারের শক্তির অবস্থা গণনা করা, কোয়ান্টাম সিমুলেশনগুলি ক্লাসিক্যাল কম্পিউটারের তুলনায় এখনও বেশি সঠিক নয়।

গবেষণার ফলাফলগুলি দেখায় যে কোয়ান্টাম কম্পিউটারগুলি রসায়নবিদ এবং পদার্থ বিজ্ঞানীদের জন্য দরকারী পারমাণবিক এবং আণবিক সিমুলেশন সরঞ্জাম হয়ে উঠতে কতটা কাছাকাছি।

ক্যালিফোর্নিয়া ইনস্টিটিউট অফ টেকনোলজির গার্নেট চ্যান এবং তার সহকর্মীরা সাইকামোরের উপর ভিত্তি করে ওয়েবার নামক 53-কুবিট গুগল প্রসেসর ব্যবহার করে একটি অণু এবং একটি উপাদানের সিমুলেশন সম্পাদন করেছিলেন।

দলটি বর্তমান আগ্রহের দুটি সমস্যা নির্বাচন করেছে, কোয়ান্টাম সার্কিটের জন্য তারা কতটা উপযুক্ত তা বিবেচনা না করেই। প্রথমটিতে এনজাইম নাইট্রোজেনেসের অনুঘটক কেন্দ্রে পাওয়া লোহা (Fe) এবং সালফার (S) এর 8-পরমাণুর ক্লাস্টারের শক্তির অবস্থা গণনা করা জড়িত। এই এনজাইম নাইট্রোজেন ফিক্সেশন নামক একটি গুরুত্বপূর্ণ জৈবিক প্রক্রিয়ার প্রথম ধাপ হিসেবে নাইট্রোজেন অণুতে শক্তিশালী বন্ধন ভেঙে দেয়। এই প্রক্রিয়ার রসায়ন বোঝা রাসায়নিক শিল্পের জন্য কৃত্রিম নাইট্রোজেন-ফিক্সিং অনুঘটক বিকাশের জন্য মূল্যবান হতে পারে।

নির্ভুল কোয়ান্টাম সিমুলেশনের মূল বাধাগুলির মধ্যে একটি হল শব্দ - কোয়ান্টাম লজিক ক্রিয়াকলাপ এবং তাদের আউটপুট অবস্থার পড়ার ক্ষেত্রে "গেটগুলি" স্যুইচ করার উভয় ক্ষেত্রেই এলোমেলো ত্রুটি। গোলমালের প্রাধান্য পাওয়ার আগে একটি গণনা কার্যকর করতে পারে এমন গেট অপারেশনের সংখ্যা এই ত্রুটিগুলি জমা করে এবং সীমাবদ্ধ করে। গবেষকরা দেখেছেন যে 300 টিরও বেশি গেট সহ সিমুলেশনগুলি শব্দ দ্বারা অভিভূত হয়েছিল। কিন্তু সিস্টেম যত জটিল, তত বেশি গেট দরকার। Fe-S ক্লাস্টার, উদাহরণস্বরূপ, স্পিনগুলির মধ্যে দীর্ঘ-পরিসরের মিথস্ক্রিয়া রয়েছে; সঠিকভাবে উপস্থাপন করার জন্য, এই ধরনের মিথস্ক্রিয়াগুলির জন্য অনেকগুলি গেট প্রয়োজন।

সিমুলেশনগুলি Fe-S ক্লাস্টারের শক্তি স্পেকট্রা এবং 𝛼-RuCl3 এর তাপ ক্ষমতার জন্য ভবিষ্যদ্বাণী প্রদান করেছে যুক্তিসঙ্গতভাবে — কিন্তু শুধুমাত্র যদি সিমুলেটেড সিস্টেমগুলি খুব বড় না হয়। 𝛼-RuCl3-এর জন্য দলটি শুধুমাত্র ক্রিস্টাল জালির খুব ছোট 6-পরমাণুর অংশের জন্য অর্থপূর্ণ ফলাফল পেতে পারে; যদি তারা মাত্র 10টি পরমাণুর আকার বাড়িয়ে দেয়, তবে শব্দটি আউটপুটকে অভিভূত করে। এবং গেট অপারেশনের সীমাবদ্ধতার মানে হল যে ওয়েবারের কোয়ান্টাম সম্পদের মাত্র এক-পঞ্চমাংশ গণনার জন্য ব্যবহার করা যেতে পারে।

IonQ ট্র্যাপড আয়নের উপর অত্যাধুনিক কোয়ান্টাম রসায়ন

কোয়ান্টাম কম্পিউটেশন ক্লাসিক্যাল কম্পিউটারের তুলনায় নির্দিষ্ট কম্পিউটেশনাল সমস্যাগুলিকে আরও দক্ষতার সাথে সমাধান করার সম্ভাবনার জন্য উল্লেখযোগ্য মনোযোগ আকর্ষণ করেছে, বিশেষ করে যেহেতু IBM প্রথম ক্লাউড অ্যাক্সেসযোগ্য কোয়ান্টাম কম্পিউটার চালু করেছে এবং Google কোয়ান্টাম সুবিধা প্রদর্শন করেছে। এর সবচেয়ে প্রতিশ্রুতিশীল অ্যাপ্লিকেশনগুলির মধ্যে একটি হল ইলেকট্রনিক কাঠামোর সমস্যাগুলি দক্ষতার সাথে সমাধান করা: ব্যাখ্যা করার জন্য, বিবেচনা করুন যে N স্পিন অরবিটাল সমন্বিত একটি সমস্যার জন্য, একটি কোয়ান্টামে থাকাকালীন তরঙ্গ ফাংশন স্কেলগুলিকে N-এর সাথে সম্মিলিতভাবে উপস্থাপন করার জন্য ক্লাসিক্যাল বিটের সংখ্যা প্রয়োজন।
কম্পিউটার শুধুমাত্র N qubits প্রয়োজন. কোয়ান্টাম কম্পিউটার দ্বারা প্রদত্ত সূচকীয় সুবিধা বৈদ্যুতিন কাঠামোর সমস্যা সমাধানের জন্য কোয়ান্টাম অ্যালগরিদম বিকাশে প্রচুর গবেষণাকে অনুপ্রাণিত করেছে।

ভেরিয়েশনাল কোয়ান্টাম ইজেনসোলভার (VQE) অ্যালগরিদমটি বিশেষভাবে বর্তমান নিকট-মেয়াদী মধ্যবর্তী স্কেল কোয়ান্টাম (NISQ) কম্পিউটারগুলির জন্য ডিজাইন করা হয়েছে। VQE একটি অগভীর প্যারামিটারাইজড সার্কিট প্রয়োগ করে একটি সিস্টেমের গ্রাউন্ড স্টেট অনুমান করে, যা শক্তির প্রত্যাশার মানকে বৈচিত্রগতভাবে হ্রাস করার জন্য ক্লাসিকভাবে অপ্টিমাইজ করা হয়। VQE অ্যালগরিদম ব্যবহারকারীকে প্যারামিটারাইজড সার্কিটের ফর্ম নির্বাচন করতে দেয়।

2 বিলিয়ন ডলারের ট্র্যাপড আয়ন কোয়ান্টাম কম্পিউটার কোম্পানি IonQ থেকে একটি গবেষণাপত্র রয়েছে। তারা 12 কিউবিট এবং 72 প্যারামিটার সহ একটি নতুন রেকর্ড পেয়েছে। যদি আমি ভুল না করি 10টি পরমাণু এবং কিউবিট নিয়ে গুগলের কাজটি এই IonQ কাজটি অতিক্রম করেছিল।

IonQ বর্তমানে একটি 35 আটকা পড়া আয়ন কিউবিট সিস্টেম পরীক্ষা করছে। আটকা পড়া আয়ন তাত্ত্বিকভাবে শারীরিকভাবে নিখুঁত qubits অর্জন করতে সক্ষম হওয়া উচিত। যাইহোক, পুরো সিস্টেমে ত্রুটির অন্যান্য উত্স আছে।

সানওয়ে সুপারকম্পিউটার ক্লাসিক্যাল মেশিনের উপর কাজ করে যা পরমাণুর অনুকরণ করে এবং IonQ এবং অন্যান্য কোয়ান্টাম সিস্টেমগুলি বৃহত্তর এবং বৃহত্তর ভৌত পারমাণবিক এবং আণবিক সিস্টেমের অনুকরণে এগিয়ে এবং দৌড় চালিয়ে যাবে।

আটকে পড়া-আয়ন কোয়ান্টাম কম্পিউটারে অরবিটাল-অপ্টিমাইজ করা জোড়া-সম্পর্কিত ইলেক্ট্রন সিমুলেশন

ভেরিয়েশনাল কোয়ান্টাম eigensolvers (VQE) হল নিকট-মেয়াদী কোয়ান্টাম কম্পিউটারে ইলেকট্রনিক কাঠামোর সমস্যা সমাধানের জন্য সবচেয়ে প্রতিশ্রুতিশীল পদ্ধতির মধ্যে একটি। বাস্তবে VQE-এর জন্য একটি গুরুত্বপূর্ণ চ্যালেঞ্জ হল যে VQE ansatz-এর অভিব্যক্তির মধ্যে একটি ভারসাম্য বজায় রাখতে হবে এবং ansatz বাস্তবায়নের জন্য প্রয়োজনীয় কোয়ান্টাম গেটের সংখ্যা, কাছাকাছি-মেয়াদী কোয়ান্টাম কম্পিউটারে কোলাহলপূর্ণ কোয়ান্টাম অপারেশনের বাস্তবতা বিবেচনা করে। এই কাজে, আমরা একক এবং দ্বৈত (uCCSD) ansatz সহ একক যুগল ক্লাস্টারের সাথে একটি অরবিটাল-অপ্টিমাইজ করা জোড়া-সম্পর্কিত অনুমান বিবেচনা করি এবং ট্র্যাপড-আয়ন আর্কিটেকচারের জন্য একটি অত্যন্ত দক্ষ কোয়ান্টাম সার্কিট বাস্তবায়নের প্রতিবেদন করি। আমরা দেখাই যে অরবিটাল অপ্টিমাইজেশান লো-অর্ডার হ্রাসকৃত ঘনত্ব ম্যাট্রিক্স (RDMs) এর পরিমাপের মাধ্যমে দক্ষতার বলিদান ছাড়াই উল্লেখযোগ্য অতিরিক্ত ইলেক্ট্রন পারস্পরিক সম্পর্ক শক্তি পুনরুদ্ধার করতে পারে। ছোট অণুর বিভাজনে, শব্দ-মুক্ত কোয়ান্টাম সিমুলেটরগুলিতে চলাকালীন পদ্ধতিটি দৃঢ়ভাবে-সম্পর্কিত শাসনে গুণগতভাবে সঠিক ভবিষ্যদ্বাণী দেয়। IonQ-এর হারমনি এবং আরিয়া ট্র্যাপড-আয়ন কোয়ান্টাম কম্পিউটারগুলিতে, আমরা 12টি কিউবিট এবং 72টি বৈচিত্র্যগত পরামিতি সহ এন্ড-টু-এন্ড VQE অ্যালগরিদম চালাই – কোয়ান্টাম হার্ডওয়্যারে একটি সম্পর্কযুক্ত তরঙ্গ ফাংশন সহ বৃহত্তম সম্পূর্ণ VQE সিমুলেশন। আমরা দেখতে পাই যে এমনকি ত্রুটি প্রশমন কৌশল ছাড়া, বিভিন্ন আণবিক জ্যামিতি জুড়ে পূর্বাভাসিত আপেক্ষিক শক্তিগুলি শব্দ-মুক্ত সিমুলেটরগুলির সাথে চমৎকার একমত।

কোয়ান্টাম রসায়নে সূচকীয় কোয়ান্টাম অ্যাডভান্টেজের প্রমাণ আছে কি?

বিমূর্ত
অন্যান্য কোয়ান্টাম সিস্টেম অনুকরণ করার জন্য কোয়ান্টাম যান্ত্রিক ডিভাইসগুলি ব্যবহার করার ধারণাটি সাধারণত ফাইনম্যানের জন্য দায়ী। মূল পরামর্শের পর থেকে, সম্ভাব্য "হত্যাকারী অ্যাপ্লিকেশন" হিসাবে কোয়ান্টাম কম্পিউটেশনের মাধ্যমে আণবিক এবং পদার্থের রসায়ন অনুকরণের জন্য কংক্রিট প্রস্তাবগুলি উপস্থিত হয়েছে। কৃত্রিম কাজগুলিতে সম্ভাব্য সূচকীয় কোয়ান্টাম সুবিধার ইঙ্গিতগুলি এই অ্যাপ্লিকেশনটিতে আগ্রহ বাড়িয়েছে, এইভাবে, কোয়ান্টাম রসায়নে সম্ভাব্য সূচকীয় কোয়ান্টাম সুবিধার ভিত্তি বোঝা গুরুত্বপূর্ণ। এখানে আমরা কোয়ান্টাম রসায়নের সবচেয়ে সাধারণ কাজ, যথা, গ্রাউন্ড-স্টেট এনার্জি অ্যাস্টিমেশনে এই ক্ষেত্রের প্রমাণ সংগ্রহ করি। আমরা উপসংহারে পৌঁছেছি যে রাসায়নিক স্থান জুড়ে এই জাতীয় সূচকীয় সুবিধার প্রমাণ এখনও পাওয়া যায়নি। যদিও কোয়ান্টাম কম্পিউটারগুলি এখনও কোয়ান্টাম রসায়নের জন্য উপযোগী প্রমাণিত হতে পারে, তবে এই সমস্যার জন্য এক্সপোনেনশিয়াল স্পিডআপগুলি সাধারণভাবে উপলব্ধ নয় বলে অনুমান করা বুদ্ধিমানের কাজ হতে পারে।

বার্কলে এবং অন্য কোথাও থেকে গবেষকরা কোয়ান্টাম রসায়নে স্থল-রাষ্ট্র নির্ধারণের কেন্দ্রীয় কাজের জন্য সূচকীয় কোয়ান্টাম সুবিধা (EQA) হাইপোথিসিসের জন্য কেসটি পরীক্ষা করেছেন। EQA-এর যে নির্দিষ্ট সংস্করণটি তারা পরীক্ষা করেছিল তার জন্য ক্লাসিক্যাল হিউরিস্টিকসের তুলনায় দ্রুতগতিরভাবে সহজ হওয়া এবং ক্লাসিক্যাল হিউরিস্টিকের জন্য দ্রুতগতিতে কঠিন হওয়া প্রয়োজন। তাদের সংখ্যাসূচক সিমুলেশনগুলি হাইলাইট করে যে দক্ষ কোয়ান্টাম গ্রাউন্ড-স্টেট প্রস্তুতি অর্জনের জন্য হিউরিস্টিকস প্রয়োজনীয়। একই সময়ে, তারা প্রাসঙ্গিক সমস্যার একটি সেটে ক্লাসিক্যাল হিউরিস্টিকসের সূচকীয় স্কেলিং-এর প্রমাণ খুঁজে পায় না। পরেরটি পরামর্শ দেয় যে কোয়ান্টাম স্টেট প্রস্তুতি একই সমস্যার জন্য দক্ষ করা যেতে পারে। যাইহোক, যেহেতু EQA খরচের অনুপাতের উপর ভিত্তি করে, এটি EQA তে নেতৃত্ব দেয় না।

সংখ্যাগত গণনাগুলি আকার এবং ত্রুটির ক্ষেত্রে অ্যাসিম্পটোটিকসের গাণিতিক প্রমাণ নয়, বা তারা নির্দিষ্ট সমস্যার ক্ষেত্রে EQA বাদ দিতে পারে না। যাইহোক, তাদের ফলাফলগুলি পরামর্শ দেয় যে নতুন এবং মৌলিক অন্তর্দৃষ্টি ছাড়া, এই কাজটিতে জেনেরিক EQA এর অভাব থাকতে পারে। EQA এর শক্তিশালী প্রমাণ সহ একটি প্রাসঙ্গিক কোয়ান্টাম রাসায়নিক সিস্টেম সনাক্ত করা একটি উন্মুক্ত প্রশ্ন থেকে যায়। তারা স্থল-রাষ্ট্র নির্ধারণ ব্যতীত অন্য কাজগুলিকে বিবেচনা করে না, বা তারা বহুপদী গতিকে বাতিল করে না। সুনির্দিষ্ট ফর্মের উপর নির্ভর করে, বহুপদী কোয়ান্টাম স্পিডআপগুলি দরকারী কোয়ান্টাম সুবিধার সাথে যুক্ত হতে পারে, কারণ এমনকি একটি বহুপদী ক্লাসিক্যাল অ্যালগরিদমের অর্থ এই নয় যে একটি বাস্তব সময়ে সমাধানগুলি পাওয়া যেতে পারে। কোয়ান্টাম রসায়নে কোয়ান্টাম অ্যালগরিদমের আরও উন্নয়নে উভয় দিকই গুরুত্বপূর্ণ প্রমাণিত হতে পারে।