Kvanttikemia on erittäin vaikeaa. Paras kvanttilaskentakemia näyttää olevan tasolla 12 qubits / 12 atomia. Supertietokonesimulaatiot voivat käsitellä 20 kubitin ja 20 atomin simulaatiota. Varhaisten julkaisujen mukaan klassiset supertietokoneet voivat saavuttaa 100 atomia ja 1000 kubittiä tietyntyyppisissä simulaatioissa. Kvanttitietokoneet käyttävät jopa 35 korkean tarkkuuden loukussa olevaa ionia, ja työtä tehdään ylivertaisen virheiden lieventämisen ja virheiden tukahduttamiseksi sekä mahdollisen virheen korjaamiseksi kvanttitietokoneilla. Supertietokoneiden ja kvanttijärjestelmien algoritmien läpimurto jatkuu, ja monet kilpailijat, joilla on erilaisia kvanttitekniikoita, haluavat tehdä läpimurtoja tuhansiin ja miljooniin kubiteihin ja kehittääkseen ylivoimaista ja tehokkaampaa virheenhallintaa.
Vuonna 2022 oli artikkeli, jossa suoritettiin kvanttisimulaatioita Sunway-supertietokoneella. Nykyvaiheessa kvanttilaskennan klassinen simulointi on ratkaisevan tärkeää kvanttialgoritmien ja kvanttilaskenta-arkkitehtuurien tutkimisessa, erityisesti heuristisissa kvanttialgoritmeissa, kuten VQE. Suurin tähän mennessä kvanttitietokoneella suoritettu VQE-koe on käyttänyt 12 kubittiä. Teollisesti merkityksellisen kvanttilaskennallisen edun kvanttikemiassa odotetaan ilmestyvän noin 38 ≤ N ≤ 68 qubitillä (olettaen virhekorjatuista kubiteista), mikä liittyy elektroniikkarakenneongelmaan, joka sisältää mm.
19 ≤ N ≤ 34 elektronia.
Verrattuna RQC:hen (Random Quantum Circuits), VQE (variational quantum eigensolver) on paljon vaativampi sekä kvantti- että klassisissa tietokoneissa, esimerkiksi tyypillisessä kvanttilaskennallisen kemian simulaatiossa mukana olevien CNOT-porttien määrä ylittää nopeasti 1 miljoonan yleisesti käytetyn. fyysisesti motivoituneet ansatz, kuten unitary coupled-cluster (UCC). Lisäksi parametrinen kvanttipiiri on suoritettava useita kertoja, kuten variaatioalgoritmeille on tyypillistä. Nämä vaikutukset rajoittavat suurimman osan nykyisistä VQE-tutkimuksista klassisia tietokoneita käyttäen hyvin pieniin ongelmiin (alle 20 qubit). Julia-ohjelmointikielen vapauttaminen Sunway-arkkitehtuureissa ja sen tehokas käyttäminen yli 20 miljoonalla ytimellä on myös erittäin haastava tehtävä. Vuoden 2022 työ on asettanut standardin kvanttilaskennallisen kemian laajamittaiselle klassiselle simuloinnille ja tasoittaa tietä VQE-sovellusten benchmarkingille lähiajan meluisissa kvanttitietokoneissa.
Q2 Chemistry soveltuu kvanttilaskennallisen kemian laajamittaiseen simulointiin, joka perustuu Density Matrix Embedding Theory ja Matrix Product State -tilojen yhdistelmään, joka vähentää eksponentiaalista muistin skaalausta järjestelmän kokoon nähden; fyysisen ongelman luonteen ja moniydinarkkitehtuurin mukaan on toteutettu räätälöity kolmitasoinen rinnakkaismalli; Juliaa käytetään ensisijaisena kielenä, joka sekä helpottaa ohjelmointia että mahdollistaa huippuluokan suorituskyvyn lähellä alkuperäistä C:tä tai Fortania; Todellisia kemiallisia järjestelmiä on tutkittu osoittamaan Q2Chemistryn teho proteiiniligandivuorovaikutusten laskennallisessa kvantifiointissa. Heidän parhaansa mukaan tämä on ensimmäinen raportoitu kvanttilaskennallisen kemian simulaatio
laskelma todelliselle kemialliselle järjestelmälle, jossa on jopa 100 atomia ja 1000 kubittia käyttämällä DMET-MPS-VQE:tä (ja 200 kubittia MPS-VQE:llä), ja skaalautuu noin 20 miljoonaan ytimeen. Tämä tasoittaa tietä lähiajan vertailuanalyysille
VQE kokeilee kvanttitietokoneita noin 100 qubitillä.
Uusi tutkimus osoittaa, että tosielämän kannalta kiinnostaviin ongelmiin, kuten atomiklusterin energiatilojen laskemiseen, Kvanttisimulaatiot eivät ole vielä tarkempia kuin klassisten tietokoneiden.
Tutkimustulokset osoittavat, kuinka lähellä kvanttitietokoneista on tulossa hyödyllisiä atomi- ja molekyylisimulaatiotyökaluja kemisteille ja materiaalitieteilijöille.
Garnet Chan Kalifornian teknologiainstituutista ja hänen työtoverinsa suorittivat molekyylin ja materiaalin simulaatioita käyttämällä 53 kubitin Google-prosessoria nimeltä Weber, joka perustuu Sycamoreen.
Ryhmä valitsi kaksi tällä hetkellä kiinnostavaa ongelmaa ottamatta huomioon, kuinka hyvin ne voisivat olla kvanttipiiriin. Ensimmäinen koskee 8-atomisen raudan (Fe) ja rikin (S) energiatilojen laskemista, joka löytyy typpientsyymin katalyyttisestä ytimestä. Tämä entsyymi katkaisee vahvoja sidoksia typpimolekyyleissä ensimmäisenä vaiheena tärkeässä biologisessa prosessissa, jota kutsutaan typen kiinnittymiseksi. Tämän prosessin kemian ymmärtäminen voi olla arvokasta keinotekoisten typpeä sitovien katalyyttien kehittämisessä kemianteollisuudelle.
Yksi tarkkojen kvantisimulaatioiden tärkeimmistä esteistä on kohina – satunnaiset virheet sekä kvanttilogiikkatoimintoja suorittavien "porttien" kytkemisessä että niiden lähtötilojen lukemisessa. Nämä virheet kerääntyvät ja rajoittavat niiden porttitoimintojen määrää, joita laskenta voi suorittaa ennen kuin kohina hallitsee. Tutkijat havaitsivat, että yli 300 portin simulaatiot hukkuivat melulla. Mutta mitä monimutkaisempi järjestelmä, sitä enemmän portteja tarvitaan. Esimerkiksi Fe-S-klusterilla on pitkän kantaman vuorovaikutus spinien välillä; ollakseen esitetty tarkasti, tällaiset vuorovaikutukset vaativat monia portteja.
Simulaatiot antoivat ennusteita Fe-S-klusterin energiaspektreistä ja 𝛼-RuCl3:n lämpökapasiteetista kohtuullisen hyvin – mutta vain, jos simuloidut järjestelmät eivät olleet liian suuria. 𝛼-RuCl3:lla tiimi saattoi saada merkityksellisiä tuloksia vain hyvin pienestä 6-atomin kidehilan palasta; jos ne lisäsivät koon vain 10 atomiin, melu ylitti ulostulon. Ja porttitoimintojen rajoitukset tarkoittivat, että vain noin viidesosa Weberin kvanttiresursseista voitiin käyttää laskennassa.
Uusinta kvanttikemiaa IonQ Trapped Ionissa
Kvanttilaskenta on herättänyt huomattavaa huomiota mahdollisuuksistaan ratkaista tiettyjä laskentaongelmia tehokkaammin kuin perinteisillä tietokoneilla, varsinkin kun IBM julkaisi ensimmäisen pilvikäyttöön tarkoitetun kvanttitietokoneen ja Google osoitti kvanttiedun. Yksi sen lupaavimmista sovelluksista on ratkaista elektroniikkarakenneongelmia tehokkaasti: havainnollistaaksemme, että N spin-orbitaalia sisältävässä ongelmassa aaltofunktion esittämiseen tarvittavien klassisten bittien määrä skaalautuu kombinatorisesti N:n kanssa, kun on kvantissa.
tietokoneeseen tarvitaan vain N qubittiä. Kvanttitietokoneiden tarjoama eksponentiaalinen etu on motivoinut paljon tutkimusta kvanttialgoritmien kehittämisessä elektroniikkarakenneongelman ratkaisemiseksi.
VQE (variational quantum eigensolver) -algoritmi on suunniteltu erityisesti nykyisille NISQ-tietokoneille. VQE arvioi järjestelmän perustilan toteuttamalla matalan parametroidun piirin, joka on klassisesti optimoitu energia-odotusarvon vaihtelun minimoimiseksi. VQE-algoritmin avulla käyttäjä voi valita parametroidun piirin muodon.
On olemassa tutkimuspaperi 2 miljardin dollarin Trapped Ion -kvanttitietokoneyritykseltä IonQ. He saivat uuden ennätyksen 12 qubitillä ja 72 parametrilla. Jos en erehdy, Googlen 10 atomin ja kubitin työ ylitti tämän IonQ-työn.
IonQ testaa parhaillaan 35 loukkuun jääneen ionin kubittijärjestelmää. Loukkuun jääneen ionin pitäisi teoriassa kyetä saavuttamaan fyysisesti täydelliset kubitit. Koko järjestelmässä on kuitenkin muita virhelähteitä.
Sunway-supertietokonetyö klassisilla atomeja simuloivilla koneilla sekä IonQ:lla ja muilla kvanttijärjestelmillä jatkaa eteenpäin ja kilpailee yhä suurempien fysikaalisten atomi- ja molekyylijärjestelmien simuloimiseksi.
Orbitaalioptimoidut parikorreloidut elektronisimulaatiot loukkuun jääneillä ioni-kvanttitietokoneilla
Variaatiokvanttiominaisratkaisut (VQE) ovat lupaavimpia lähestymistapoja elektronisten rakenneongelmien ratkaisemiseen lähiajan kvanttitietokoneissa. Kriittinen haaste VQE:lle käytännössä on se, että on löydettävä tasapaino VQE-ansatzin ekspressiivisuuden ja ansatzin toteuttamiseen tarvittavien kvanttiporttien lukumäärän välillä, kun otetaan huomioon meluisten kvanttioperaatioiden todellisuus lähiajan kvanttitietokoneissa. Tässä työssä tarkastelemme kiertoradalle optimoitua parikorreloitua approksimaatiota unitary-kytketyn klusterin kanssa single- ja doubles (uCCSD) ansatzilla ja raportoimme erittäin tehokkaan kvanttipiirin toteutuksen loukkuun jääneille ioniarkkitehtuureille. Osoitamme, että kiertoradan optimointi voi saada takaisin merkittävää lisäelektronikorrelaatioenergiaa tinkimättä tehokkuudesta mittaamalla matalan kertaluvun vähennetyn tiheyden matriiseja (RDM). Pienten molekyylien dissosiaatiossa menetelmä antaa laadullisesti tarkat ennusteet vahvasti korreloivassa järjestelmässä ajettaessa kohinattomilla kvanttisimulaattoreilla. IonQ:n Harmony- ja Aria-loukussa-ioni-kvanttitietokoneissa suoritamme päästä päähän VQE-algoritmeja, joissa on jopa 12 kubittia ja 72 variaatioparametria – suurin täysi VQE-simulaatio kvanttilaitteiston korreloidulla aaltofunktiolla. Havaitsemme, että jopa ilman virheiden lieventämistekniikoita ennustetut suhteelliset energiat eri molekyyligeometrioissa ovat erinomaisessa sopusoinnussa kohinattomien simulaattoreiden kanssa.
Onko todisteita eksponentiaalisesta kvanttiedusta kvanttikemiassa.
Abstrakti
Ajatus kvanttimekaanisten laitteiden käyttämisestä muiden kvanttijärjestelmien simuloimiseen liittyy yleisesti Feynmanin käsiin. Alkuperäisen ehdotuksen jälkeen on ilmestynyt konkreettisia ehdotuksia molekyyli- ja materiaalikemian simuloimiseksi kvanttilaskennan avulla mahdollisena "tappajasovelluksena". Viitteet mahdollisesta eksponentiaalisesta kvanttiedusta keinotekoisissa tehtävissä ovat lisänneet kiinnostusta tätä sovellusta kohtaan, joten on kriittistä ymmärtää kvanttikemian mahdollisen eksponentiaalisen kvanttiedun perusta. Tähän keräämme todisteet tälle tapaukselle kvanttikemian yleisimmässä tehtävässä, nimittäin perustilan energian arvioinnissa. Päättelemme, että todisteita tällaisesta eksponentiaalisesta edusta kemiallisessa avaruudessa ei ole vielä löydetty. Vaikka kvanttitietokoneet voivat silti osoittautua hyödyllisiksi kvanttikemiassa, saattaa olla järkevää olettaa, että eksponentiaalisia nopeuksia ei ole yleisesti saatavilla tähän ongelmaan.
Berkeleystä ja muualta kotoisin olevat tutkijat tutkivat eksponentiaalisen kvanttiedun (EQA) hypoteesia kvanttikemian perustilanmäärityksen keskeiselle tehtävälle. Heidän tutkimansa EQA:n erityinen versio vaati kvanttitilan valmistelun olevan eksponentiaalisesti helppoa verrattuna klassiseen heuristiikkaan ja klassisen heuristiikan olevan eksponentiaalisesti vaikeaa. Heidän numeerisissa simulaatioissaan korostetaan, että heuristiikka on tarpeen tehokkaan kvanttipohjatilan valmistelun saavuttamiseksi. Samaan aikaan he eivät löydä todisteita klassisen heuristiikan eksponentiaalisesta skaalautumisesta relevanttien ongelmien sarjassa. Jälkimmäinen viittaa siihen, että kvanttitilan valmistelu voidaan tehdä tehokkaaksi samoihin ongelmiin. Koska EQA perustuu kuitenkin kustannussuhteeseen, tämä ei johda EQA:han.
Numeeriset laskelmat eivät ole matemaattinen todiste asymptotiikasta koon ja virheen suhteen, eivätkä ne voi sulkea pois EQA:ta tietyissä tehtävissä. Niiden tulokset viittaavat kuitenkin siihen, että ilman uusia ja perustavanlaatuisia oivalluksia tässä tehtävässä saattaa olla puutetta yleisestä EQA:sta. Asianmukaisen kvanttikemiallisen järjestelmän tunnistaminen, jolla on vahvaa näyttöä EQA:sta, on edelleen avoin kysymys. He eivät huomioineet muita tehtäviä kuin maatilan määrittämistä, eivätkä myöskään sulje pois polynominopeutta. Tarkkaa muotoa riippuen polynomiset kvanttinopeudet voivat liittyä hyödylliseen kvanttietuun, sillä edes klassinen polynomi-algoritmi ei tarkoita, että ratkaisuja voitaisiin saada käytännön ajassa. Molemmat näkökohdat voivat osoittautua tärkeiksi kvanttialgoritmien jatkokehityksessä kvanttikemiassa.
Brian Wang on futuristisen ajattelun johtaja ja suosittu Science -bloggaaja, jolla on miljoona lukijaa kuukaudessa. Hänen bloginsa Nextbigfuture.com on sijalla 1 Science News Blog. Se kattaa monia häiritseviä tekniikoita ja suuntauksia, kuten avaruus, robotiikka, tekoäly, lääketiede, ikääntymistä estävä biotekniikka ja nanoteknologia.
Hän tunnetaan huipputeknologioiden tunnistamisesta, ja hän on tällä hetkellä perustaja ja varainkeräys korkean mahdollisen alkuvaiheen yrityksille. Hän on syvän teknologian investointien tutkimuksen johtaja ja Space Angelsin enkelisijoittaja.
Hän on usein puhunut yrityksissä, hän on ollut TEDx -puhuja, Singularity University -puhuja ja vieraana lukuisissa radio- ja podcast -haastatteluissa. Hän on avoin julkiselle puhumiselle ja neuvoille.
