State of the Art Quantenchemie im Jahr 2022

Quantenchemie ist sehr schwierig. Die beste Quantencomputing-Chemie scheint auf dem Niveau von 12 Qubits / 12 Atomen zu liegen. Supercomputersimulationen können die Simulation von 20 Qubits und 20 Atomen bewältigen. Es gibt frühe Arbeiten, die darauf hinweisen, dass klassische Supercomputer für einige Simulationsarten 100 Atome und 1000 Qubits erreichen können. Quantencomputer treiben bis zu 35 hochpräzise eingefangene Ionen voran und es wird daran gearbeitet, mit Quantencomputern eine überlegene Fehlerminderung und Fehlerunterdrückung sowie schließlich eine Fehlerkorrektur zu erreichen. Die Durchbrüche bei Algorithmen für Supercomputer und Quantensysteme gehen weiter und es gibt viele Wettbewerber mit unterschiedlichen Quantentechnologien, die nach Durchbrüchen zur Skalierung auf Tausende und Abermillionen von Qubits und zur Entwicklung eines überlegenen und effizienteren Fehlermanagements streben.

Im Jahr 2022 gab es einen Artikel, in dem Quantensimulationen auf dem Sunway-Supercomputer durchgeführt wurden. Im gegenwärtigen Stadium ist die klassische Simulation der Quantenberechnung von entscheidender Bedeutung für die Untersuchung von Quantenalgorithmen und Quantenberechnungsarchitekturen, insbesondere für heuristische Quantenalgorithmen wie VQE. Das bisher größte VQE-Experiment, das auf einem Quantencomputer durchgeführt wurde, verwendete 12 Qubits. Ein industriell relevanter Quantenrechenvorteil in der Quantenchemie wird voraussichtlich bei etwa 38 ≤ N ≤ 68 Qubits auftreten (unter der Annahme fehlerkorrigierter Qubits), was mit einem Problem der elektronischen Struktur zusammenhängt, einschließlich
19 ≤ N ≤ 34 Elektronen.

Im Vergleich zu RQC (Random Quantum Circuits) ist VQE (Variational Quantum Eigensolver) sowohl für Quantencomputer als auch für klassische Computer viel anspruchsvoller. Beispielsweise überschreitet die Anzahl der CNOT-Gatter, die an einer typischen Quantencomputerchemie-Simulation beteiligt sind, bei häufig verwendeten Gattern schnell die Grenze von 1 Million physikalisch motivierter Ansatz wie Unitary Coupled-Cluster (UCC). Darüber hinaus muss der parametrische Quantenschaltkreis viele Male ausgeführt werden, wie es für Variationsalgorithmen typisch ist. Diese Effekte beschränken die meisten aktuellen Untersuchungen von VQE mit klassischen Computern auf sehr kleine Probleme (weniger als 20 Qubits). Auch die Bereitstellung der Programmiersprache Julia auf Sunway-Architekturen und deren effiziente Ausführung über 20 Millionen Kerne ist eine äußerst anspruchsvolle Aufgabe. Die Arbeit von 2022 hat den Standard für die groß angelegte klassische Simulation der Quantencomputerchemie gesetzt und ebnet den Weg für das Benchmarking von VQE-Anwendungen auf kurzfristig verrauschten Quantencomputern.

Q2 Chemistry eignet sich für groß angelegte Simulationen der Quantencomputerchemie und basiert auf einer Kombination aus der Dichtematrix-Einbettungstheorie und den Matrixproduktzuständen, um die exponentielle Speicherskalierung im Verhältnis zur Systemgröße zu reduzieren. ein maßgeschneidertes dreistufiges Parallelisierungsschema wurde entsprechend der Art des physikalischen Problems und der Many-Core-Architektur implementiert; Julia wird als primäre Sprache verwendet, was sowohl die Programmierung erleichtert als auch eine Spitzenleistung ermöglicht, die der von nativem C oder Fortran nahe kommt; Reale chemische Systeme wurden untersucht, um die Leistungsfähigkeit von Q2Chemistry bei der rechnerischen Quantifizierung von Protein-Ligand-Wechselwirkungen zu demonstrieren. Nach ihrem besten Wissen ist dies die erste gemeldete Quantencomputerchemie-Simulation
Berechnung für ein reales chemisches System mit bis zu 100 Atomen und 1000 Qubits mit DMET-MPS-VQE (und 200 Qubits mit MPS-VQE) und skaliert auf etwa 20 Millionen Kerne. Dies ebnet den Weg für ein kurzfristiges Benchmarking
VQE-Experimente auf Quantencomputern mit rund 100 Qubits.

Eine neue Studie zeigt, dass für Probleme von realem Interesse, wie etwa die Berechnung der Energiezustände eines Atomclusters, Quantensimulationen sind noch nicht genauer als die klassischer Computer.

Die Studienergebnisse zeigen, wie nah Quantencomputer daran sind, nützliche atomare und molekulare Simulationswerkzeuge für Chemiker und Materialwissenschaftler zu werden.

Garnet Chan vom California Institute of Technology und seine Mitarbeiter führten Simulationen eines Moleküls und eines Materials mit einem 53-Qubit-Google-Prozessor namens Weber durch, der auf Sycamore basiert.

Das Team wählte zwei Probleme von aktuellem Interesse aus, ohne darüber nachzudenken, wie gut sie für einen Quantenschaltkreis geeignet sein könnten. Die erste beinhaltet die Berechnung der Energiezustände eines 8-atomigen Clusters aus Eisen (Fe) und Schwefel (S), der im katalytischen Kern des Enzyms Nitrogenase gefunden wird. Dieses Enzym bricht starke Bindungen in Stickstoffmolekülen als ersten Schritt in einem wichtigen biologischen Prozess namens Stickstofffixierung. Das Verständnis der Chemie dieses Prozesses könnte für die Entwicklung künstlicher Stickstofffixierungskatalysatoren für die chemische Industrie von Nutzen sein.

Eines der Haupthindernisse für genaue Quantensimulationen ist Rauschen – zufällige Fehler sowohl beim Schalten der „Gatter“, die quantenlogische Operationen ausführen, als auch beim Lesen ihrer Ausgangszustände. Diese Fehler häufen sich und begrenzen die Anzahl der Gate-Operationen, die eine Berechnung durchführen kann, bevor das Rauschen dominiert. Die Forscher fanden heraus, dass Simulationen mit mehr als 300 Toren durch Rauschen überfordert waren. Doch je komplexer das System, desto mehr Tore werden benötigt. Der Fe-S-Cluster beispielsweise weist weitreichende Wechselwirkungen zwischen Spins auf; Um genau dargestellt zu werden, sind für solche Interaktionen viele Tore erforderlich.

Die Simulationen lieferten einigermaßen gute Vorhersagen für die Energiespektren des Fe-S-Clusters und die Wärmekapazität von 𝛼-RuCl3 – allerdings nur, wenn die simulierten Systeme nicht zu groß waren. Für 𝛼-RuCl3 konnte das Team nur für einen sehr kleinen 6-Atom-Teil des Kristallgitters aussagekräftige Ergebnisse erzielen; Wenn sie die Größe auf nur 10 Atome erhöhten, überwältigte das Rauschen die Ausgabe. Und die Einschränkungen bei den Gate-Operationen führten dazu, dass nur etwa ein Fünftel der Quantenressourcen von Weber für die Berechnung genutzt werden konnten.

Modernste Quantenchemie zu IonQ-gefangenen Ionen

Die Quantenberechnung hat aufgrund ihres Potenzials, bestimmte Rechenprobleme effizienter als mit klassischen Computern zu lösen, erhebliche Aufmerksamkeit auf sich gezogen, insbesondere seit IBM den ersten über die Cloud zugänglichen Quantencomputer auf den Markt gebracht hat und Google Quantenvorteile demonstriert hat. Eine seiner vielversprechendsten Anwendungen ist die effiziente Lösung elektronischer Strukturprobleme: Betrachten Sie zur Veranschaulichung, dass bei einem Problem mit N Spinorbitalen die Anzahl der klassischen Bits, die zur Darstellung der Wellenfunktion erforderlich sind, kombinatorisch mit N skaliert, während auf einem Quantum
Computer werden nur N Qubits benötigt. Der exponentielle Vorteil, den Quantencomputer bieten, hat viele Forschungsarbeiten zur Entwicklung von Quantenalgorithmen zur Lösung des Problems der elektronischen Struktur motiviert.

Der Variational Quantum Eigensolver (VQE)-Algorithmus wurde speziell für aktuelle NISQ-Computer (Near Term Intermediate Scale Quantum) entwickelt. VQE schätzt den Grundzustand eines Systems durch Implementierung einer flach parametrisierten Schaltung, die klassisch optimiert ist, um den Energieerwartungswert variierend zu minimieren. Der VQE-Algorithmus ermöglicht es dem Benutzer, die Form der parametrisierten Schaltung auszuwählen.

Es gibt einen Forschungsbericht des 2 Milliarden US-Dollar schweren Trapped Ion-Quantencomputerunternehmens IonQ. Mit 12 Qubits und 72 Parametern stellten sie einen neuen Rekord auf. Wenn ich mich nicht irre, wurde die Google-Arbeit mit 10 Atomen und Qubits durch diese IonQ-Arbeit übertroffen.

IonQ testet derzeit ein Qubit-System mit 35 eingefangenen Ionen. Eingefangene Ionen sollten theoretisch in der Lage sein, physikalisch perfekte Qubits zu erzeugen. Allerdings gibt es im Gesamtsystem noch weitere Fehlerquellen.

Die Arbeit des Sunway-Supercomputers an klassischen Maschinen zur Simulation von Atomen und dem IonQ sowie anderen Quantensystemen wird weiterhin vorangetrieben und mit der Simulation immer größerer physikalischer atomarer und molekularer Systeme rasant vorangetrieben.

Orbitaloptimierte paarkorrelierte Elektronensimulationen auf Quantencomputern mit gefangenen Ionen

Variationale Quanteneigenlöser (VQE) gehören zu den vielversprechendsten Ansätzen zur Lösung elektronischer Strukturprobleme auf kurzfristigen Quantencomputern. Eine entscheidende Herausforderung für VQE in der Praxis besteht darin, angesichts der Realität verrauschter Quantenoperationen auf kurzfristigen Quantencomputern ein Gleichgewicht zwischen der Ausdruckskraft des VQE-Ansatzes und der Anzahl der Quantengatter zu finden, die zur Implementierung des Ansatzes erforderlich sind. In dieser Arbeit betrachten wir eine orbitaloptimierte paarkorrelierte Annäherung an den uCCSD-Ansatz (Unitary Coupled Cluster with Singles and Doubles) und berichten über eine hocheffiziente Quantenschaltungsimplementierung für Architekturen mit gefangenen Ionen. Wir zeigen, dass die Orbitaloptimierung durch Messungen von Matrizen mit reduzierter Dichte (RDMs) niedriger Ordnung erhebliche zusätzliche Elektronenkorrelationsenergie ohne Effizienzeinbußen zurückgewinnen kann. Bei der Dissoziation kleiner Moleküle liefert die Methode qualitativ genaue Vorhersagen im stark korrelierten Bereich, wenn sie auf rauschfreien Quantensimulatoren ausgeführt wird. Auf den Quantencomputern Harmony und Aria mit gefangenen Ionen von IonQ führen wir End-to-End-VQE-Algorithmen mit bis zu 12 Qubits und 72 Variationsparametern aus – die größte vollständige VQE-Simulation mit einer korrelierten Wellenfunktion auf Quantenhardware. Wir stellen fest, dass die vorhergesagten relativen Energien über verschiedene Molekülgeometrien hinweg auch ohne Fehlerminderungstechniken in hervorragender Übereinstimmung mit rauschfreien Simulatoren sind.

Gibt es Hinweise auf einen exponentiellen Quantenvorteil in der Quantenchemie?

Abstrakt
Die Idee, quantenmechanische Geräte zur Simulation anderer Quantensysteme zu verwenden, wird gemeinhin Feynman zugeschrieben. Seit dem ursprünglichen Vorschlag sind konkrete Vorschläge zur Simulation der Molekül- und Materialchemie durch Quantenberechnung als potenzielle „Killeranwendung“ aufgetaucht. Hinweise auf einen potenziellen exponentiellen Quantenvorteil bei künstlichen Aufgaben haben das Interesse an dieser Anwendung erhöht. Daher ist es wichtig, die Grundlage für einen potenziellen exponentiellen Quantenvorteil in der Quantenchemie zu verstehen. Hier sammeln wir die Beweise für diesen Fall in der häufigsten Aufgabe der Quantenchemie, nämlich der Schätzung der Grundzustandsenergie. Wir kommen zu dem Schluss, dass Beweise für einen solchen exponentiellen Vorteil im gesamten chemischen Raum noch nicht gefunden wurden. Während sich Quantencomputer für die Quantenchemie immer noch als nützlich erweisen könnten, könnte es vernünftig sein, davon auszugehen, dass exponentielle Beschleunigungen für dieses Problem nicht allgemein verfügbar sind.

Forscher aus Berkeley und anderswo untersuchten die Argumente für die Hypothese des exponentiellen Quantenvorteils (EQA) für die zentrale Aufgabe der Grundzustandsbestimmung in der Quantenchemie. Die spezifische Version der EQA, die sie untersuchten, erforderte, dass die Quantenzustandsvorbereitung im Vergleich zur klassischen Heuristik exponentiell einfach und die klassische Heuristik exponentiell schwierig sein musste. Ihre numerischen Simulationen zeigen, dass Heuristiken notwendig sind, um eine effiziente Quantengrundzustandsvorbereitung zu erreichen. Gleichzeitig finden sie keine Belege für die exponentielle Skalierung klassischer Heuristiken in einer Reihe relevanter Probleme. Letzteres legt nahe, dass die Quantenzustandsvorbereitung für dieselben Probleme effizient gestaltet werden kann. Da die EQA jedoch auf dem Kostenverhältnis basiert, führt dies nicht zu einer EQA.

Numerische Berechnungen sind weder ein mathematischer Beweis der Asymptotik in Bezug auf Größe und Fehler, noch können sie EQA bei bestimmten Problemen ausschließen. Ihre Ergebnisse deuten jedoch darauf hin, dass es ohne neue und grundlegende Erkenntnisse möglicherweise an einer allgemeinen EQA für diese Aufgabe mangelt. Die Identifizierung eines relevanten quantenchemischen Systems mit starken Beweisen für EQA bleibt eine offene Frage. Sie berücksichtigten keine anderen Aufgaben als die Bestimmung des Grundzustands und schlossen auch polynomielle Beschleunigungen nicht aus. Abhängig von der genauen Form könnten polynomiale Quantenbeschleunigungen mit nützlichen Quantenvorteilen verbunden sein, da selbst ein polynomialer klassischer Algorithmus nicht bedeutet, dass Lösungen in praktischer Zeit erhalten werden können. Beide Aspekte könnten sich bei der Weiterentwicklung von Quantenalgorithmen in der Quantenchemie als wichtig erweisen.