La química cuántica es muy difícil. La mejor química de la computación cuántica parece estar en el nivel de 12 qubits / 12 átomos. Las simulaciones por supercomputadora pueden manejar simulaciones de 20 qubits y 20 átomos. Hay artículos iniciales que sugieren que las supercomputadoras clásicas pueden llegar a 100 átomos y 1000 qubit para algunos tipos de simulación. Las computadoras cuánticas están impulsando hasta 35 iones atrapados de alta fidelidad y se está trabajando para lograr una mitigación y supresión de errores superiores y una eventual corrección de errores con las computadoras cuánticas. Los avances en algoritmos para supercomputadoras y sistemas cuánticos continúan y hay muchos competidores con diferentes tecnologías cuánticas que buscan lograr avances para escalar a miles y millones de qubits y desarrollar una gestión de errores superior y más eficiente.
Hubo un artículo en 2022 en el que se realizaron simulaciones cuánticas en la supercomputadora Sunway. En la etapa actual, la simulación clásica de la computación cuántica es crucial para el estudio de algoritmos cuánticos y arquitecturas de computación cuántica, especialmente para algoritmos cuánticos heurísticos como VQE. El experimento VQE más grande realizado hasta la fecha en una computadora cuántica ha utilizado 12 qubits. Se espera que aparezca una ventaja computacional cuántica industrialmente relevante en química cuántica en alrededor de 38 ≤ N ≤ 68 qubits (bajo el supuesto de qubits con corrección de errores), lo cual está relacionado con un problema de estructura electrónica que incluye
19 ≤ N ≤ 34 electrones.
En comparación con RQC (circuitos cuánticos aleatorios), VQE (eigensolver cuántico variacional) es mucho más exigente tanto para computadoras cuánticas como clásicas; por ejemplo, el número de puertas CNOT involucradas en una simulación típica de química computacional cuántica supera rápidamente el millón con las utilizadas comúnmente. ansatz motivado físicamente, como el cluster unitario acoplado (UCC). Además, el circuito cuántico paramétrico debe ejecutarse muchas veces, como es habitual en los algoritmos variacionales. Estos efectos limitan la mayoría de las investigaciones actuales de VQE utilizando ordenadores clásicos a problemas muy pequeños (menos de 1 qubits). Liberar el lenguaje de programación Julia en arquitecturas Sunway y ejecutarlo de manera eficiente en más de 20 millones de núcleos también es una tarea extremadamente desafiante. El trabajo de 20 ha establecido el estándar para la simulación clásica a gran escala de la química computacional cuántica y allana el camino para comparar aplicaciones VQE en computadoras cuánticas ruidosas a corto plazo.
Q2 Chemistry es adecuado para la simulación a gran escala de la química computacional cuántica, basada en una combinación de la teoría de incrustación de matrices de densidad y los estados de productos de matrices para reducir el escalamiento exponencial de la memoria con respecto al tamaño del sistema; se implementó un esquema de paralelización de tres niveles personalizado de acuerdo con la naturaleza del problema físico y la arquitectura de muchos núcleos; Julia se utiliza como lenguaje principal, lo que facilita la programación y permite un rendimiento de vanguardia cercano al C nativo o Fortran; Se han estudiado sistemas químicos reales para demostrar el poder de Q2Chemistry en la cuantificación computacional de interacciones proteína-ligando. Hasta donde saben, esta es la primera simulación de química computacional cuántica reportada.
cálculo para un sistema químico real con hasta 100 átomos y 1000 qubits usando DMET-MPS-VQE (y 200 qubits usando MPS-VQE), y escala a alrededor de 20 millones de núcleos. Esto allana el camino para la evaluación comparativa a corto plazo.
VQE experimenta con ordenadores cuánticos de unos 100 qubits.
Un nuevo estudio muestra que para problemas de interés del mundo real, como calcular los estados energéticos de un grupo de átomos, Las simulaciones cuánticas aún no son más precisas que las de las computadoras clásicas.
Los resultados del estudio muestran lo cerca que están las computadoras cuánticas de convertirse en herramientas útiles de simulación atómica y molecular para químicos y científicos de materiales.
Garnet Chan, del Instituto de Tecnología de California, y sus compañeros de trabajo realizaron simulaciones de una molécula y un material utilizando un procesador de Google de 53 qubits llamado Weber, basado en Sycamore.
El equipo seleccionó dos problemas de interés actual, sin considerar cuán adecuados podrían ser para un circuito cuántico. El primero implica calcular los estados energéticos de un grupo de ocho átomos de hierro (Fe) y azufre (S) que se encuentran en el núcleo catalítico de la enzima nitrogenasa. Esta enzima rompe fuertes enlaces en las moléculas de nitrógeno como primer paso en un importante proceso biológico llamado fijación de nitrógeno. Comprender la química de este proceso podría resultar valioso para desarrollar catalizadores artificiales fijadores de nitrógeno para la industria química.
Uno de los obstáculos clave para las simulaciones cuánticas precisas es el ruido: errores aleatorios tanto en la conmutación de las "puertas" que realizan operaciones de lógica cuántica como en la lectura de sus estados de salida. Estos errores se acumulan y restringen la cantidad de operaciones de puerta que un cálculo puede realizar antes de que domine el ruido. Los investigadores descubrieron que las simulaciones con más de 300 puertas se veían abrumadas por el ruido. Pero cuanto más complejo es el sistema, más puertas se necesitan. El grupo Fe-S, por ejemplo, tiene interacciones de largo alcance entre espines; Para ser representadas con precisión, tales interacciones requieren muchas puertas.
Las simulaciones proporcionaron predicciones razonablemente buenas para los espectros de energía del grupo Fe-S y la capacidad calorífica del 𝛼-RuCl3, pero sólo si los sistemas simulados no eran demasiado grandes. Para 𝛼-RuCl3, el equipo solo pudo obtener resultados significativos para un fragmento muy pequeño de seis átomos de la red cristalina; si aumentaban el tamaño a sólo 6 átomos, el ruido abrumaba la salida. Y las limitaciones en las operaciones de puerta significaron que sólo alrededor de una quinta parte de los recursos cuánticos de Weber podían usarse para el cálculo.
Química cuántica de última generación sobre iones atrapados IonQ
La computación cuántica ha atraído una atención significativa por su potencial para resolver ciertos problemas computacionales de manera más eficiente que con las computadoras clásicas, especialmente desde que IBM lanzó la primera computadora cuántica accesible en la nube y Google demostró una ventaja cuántica. Una de sus aplicaciones más prometedoras es resolver problemas de estructuras electrónicas de manera eficiente: para ilustrar, considere que para un problema que contiene N orbitales de espín, el número de bits clásicos necesarios para representar la función de onda escala combinatoriamente con N, mientras que en una escala cuántica
computadora solo se necesitan N qubits. La ventaja exponencial que ofrecen los ordenadores cuánticos ha motivado una gran cantidad de investigaciones en el desarrollo de algoritmos cuánticos para resolver el problema de la estructura electrónica.
El algoritmo eigensolver cuántico variacional (VQE) está diseñado específicamente para las computadoras cuánticas de escala intermedia (NISQ) actuales a corto plazo. VQE estima el estado fundamental de un sistema implementando un circuito parametrizado poco profundo, que clásicamente se optimiza para minimizar variacionalmente el valor esperado de energía. El algoritmo VQE permite al usuario seleccionar la forma del circuito parametrizado.
Hay un artículo de investigación de IonQ, empresa de informática cuántica de iones atrapados de 2 millones de dólares. Consiguieron un nuevo récord con 12 qubits y 72 parámetros. Si no me equivoco el trabajo de Google con 10 átomos y qubits fue superado por este trabajo de IonQ.
IonQ está probando actualmente un sistema de qubits de 35 iones atrapados. En teoría, los iones atrapados deberían poder lograr qubits físicamente perfectos. Sin embargo, existen otras fuentes de error en todo el sistema.
La supercomputadora Sunway trabaja en máquinas clásicas que simulan átomos y el IonQ y otros sistemas cuánticos continuarán avanzando y compitiendo para simular sistemas físicos atómicos y moleculares cada vez más grandes.
Simulaciones de electrones correlacionados por pares optimizados para orbitales en computadoras cuánticas de iones atrapados
Los solucionadores propios cuánticos variacionales (VQE) se encuentran entre los enfoques más prometedores para resolver problemas de estructuras electrónicas en computadoras cuánticas a corto plazo. Un desafío crítico para VQE en la práctica es que es necesario lograr un equilibrio entre la expresividad del ansatz VQE versus el número de puertas cuánticas necesarias para implementar el ansatz, dada la realidad de las operaciones cuánticas ruidosas en las computadoras cuánticas a corto plazo. En este trabajo, consideramos una aproximación correlacionada por pares optimizada orbital al cúmulo unitario acoplado con ansatz simples y dobles (uCCSD) e informamos una implementación de circuito cuántico altamente eficiente para arquitecturas de iones atrapados. Mostramos que la optimización orbital puede recuperar una energía de correlación de electrones adicional significativa sin sacrificar la eficiencia a través de mediciones de matrices de densidad reducida (RDM) de bajo orden. En la disociación de moléculas pequeñas, el método proporciona predicciones cualitativamente precisas en el régimen fuertemente correlacionado cuando se ejecuta en simuladores cuánticos sin ruido. En las computadoras cuánticas de iones atrapados Harmony y Aria de IonQ, ejecutamos algoritmos VQE de extremo a extremo con hasta 12 qubits y 72 parámetros variacionales: la simulación VQE completa más grande con una función de onda correlacionada en hardware cuántico. Descubrimos que incluso sin técnicas de mitigación de errores, las energías relativas predichas en diferentes geometrías moleculares concuerdan excelentemente con los simuladores sin ruido.
¿Existe evidencia de una ventaja cuántica exponencial en la química cuántica?
Resumen
La idea de utilizar dispositivos de mecánica cuántica para simular otros sistemas cuánticos se atribuye comúnmente a Feynman. Desde la sugerencia original, han aparecido propuestas concretas para simular la química molecular y de materiales mediante computación cuántica, como una posible “aplicación asesina”. Los indicios de una posible ventaja cuántica exponencial en tareas artificiales han aumentado el interés en esta aplicación, por lo que es fundamental comprender la base de una posible ventaja cuántica exponencial en la química cuántica. Aquí reunimos la evidencia de este caso en la tarea más común en química cuántica, a saber, la estimación de la energía del estado fundamental. Concluimos que aún no se ha encontrado evidencia de tal ventaja exponencial en el espacio químico. Si bien las computadoras cuánticas aún pueden resultar útiles para la química cuántica, puede ser prudente asumir que las aceleraciones exponenciales no están disponibles genéricamente para este problema.
Investigadores de Berkeley y de otros lugares examinaron los argumentos a favor de la hipótesis de la ventaja cuántica exponencial (EQA) para la tarea central de la determinación del estado fundamental en la química cuántica. La versión específica de EQA que examinaron requería que la preparación del estado cuántico fuera exponencialmente fácil en comparación con la heurística clásica, y que la heurística clásica fuera exponencialmente difícil. Sus simulaciones numéricas resaltan que las heurísticas son necesarias para lograr una preparación eficiente del estado fundamental cuántico. Al mismo tiempo, no encuentran evidencia del escalamiento exponencial de la heurística clásica en un conjunto de problemas relevantes. Esto último sugiere que la preparación de estados cuánticos puede resultar eficiente para los mismos problemas. Sin embargo, como la EQA se basa en la relación de costos, esto no conduce a una EQA.
Los cálculos numéricos no son una prueba matemática de asintóticas con respecto al tamaño y el error, ni pueden excluir la EQA en problemas específicos. Sin embargo, sus resultados sugieren que sin conocimientos nuevos y fundamentales, puede haber una falta de EQA genérica en esta tarea. La identificación de un sistema químico cuántico relevante con pruebas sólidas de EQA sigue siendo una cuestión abierta. No consideraron tareas distintas a la determinación del estado fundamental, ni descartan aceleraciones polinómicas. Dependiendo de la forma precisa, las aceleraciones cuánticas polinómicas podrían asociarse con una ventaja cuántica útil, ya que incluso un algoritmo polinomial clásico no significa que se puedan obtener soluciones en un tiempo práctico. Ambos aspectos pueden resultar importantes en el futuro desarrollo de algoritmos cuánticos en química cuántica.
Brian Wang es un líder de pensamiento futurista y un popular bloguero de ciencia con 1 millón de lectores al mes. Su blog Nextbigfuture.com ocupa el puesto número 1 en blogs de noticias científicas. Cubre muchas tecnologías y tendencias disruptivas que incluyen espacio, robótica, inteligencia artificial, medicina, biotecnología antienvejecimiento y nanotecnología.
Conocido por identificar tecnologías de vanguardia, actualmente es cofundador de una startup y recaudadora de fondos para empresas de alto potencial en etapa inicial. Es el jefe de investigación de asignaciones para inversiones en tecnología profunda y un inversor ángel en Space Angels.
Orador frecuente en corporaciones, ha sido orador de TEDx, orador de Singularity University e invitado en numerosas entrevistas para radio y podcasts. Está abierto a participar en conferencias públicas y asesoramiento.
