Kvantekjemi er veldig vanskelig. Den beste kvanteberegningskjemien ser ut til å være på nivået 12 qubits / 12 atomer. Superdatamaskinsimuleringer kan håndtere 20 qubits og 20 atoms simulering. Det er tidlige artikler som antyder at klassiske superdatamaskiner kan nå 100 atomer og 1000 qubit for noen typer simulering. Kvantedatamaskiner presser opp til 35 high fidelity-fangede ioner, og det er arbeid for å oppnå overlegen feilredusering og feilundertrykkelse og eventuell feilretting med kvantedatamaskiner. Gjennombrudd i algoritmer for superdatamaskiner og for kvantesystemer fortsetter, og det er mange konkurrenter med forskjellige kvanteteknologier som ønsker å gjøre gjennombrudd for å skalere til tusenvis og millioner av qubits og utvikle overlegen og mer effektiv feilhåndtering.
Det var en artikkel i 2022 hvor kvantesimuleringer på Sunway-superdatamaskinen ble utført. På det nåværende stadiet er klassisk simulering av kvanteberegning avgjørende for studiet av kvantealgoritmer og kvanteberegningsarkitekturer, spesielt for heuristiske kvantealgoritmer som VQE. Det største VQE-eksperimentet som er utført på en kvantedatamaskin oppdatert har brukt 12 qubits. En industrielt relevant kvanteberegningsfordel i kvantekjemi forventes å dukke opp ved rundt 38 ≤ N ≤ 68 qubits (under forutsetning av feilkorrigerte qubits), som er relatert til et elektronisk strukturproblem bl.a.
19 ≤ N ≤ 34 elektroner.
Sammenlignet med RQC (Random Quantum Circuits), er VQE (variasjonell kvanteegenløser) mye mer krevende for både kvante- og klassiske datamaskiner, for eksempel går antallet CNOT-porter involvert i en typisk kvanteberegningskjemi-simulering raskt over 1 million med vanlig brukte fysisk motiverte ansatz som unitary coupled-cluster (UCC). Dessuten må den parametriske kvantekretsen utføres mange ganger som er typisk for variasjonsalgoritmer. Disse effektene begrenser de fleste nåværende undersøkelser av VQE ved bruk av klassiske datamaskiner til svært små problemer (mindre enn 20 qubits). Å slippe løs programmeringsspråket Julia på Sunway-arkitekturer og kjøre det effektivt over 20 millioner kjerner er også en ekstremt utfordrende oppgave. 2022-arbeidet har satt standarden for storskala klassisk simulering av kvanteberegningskjemi, og baner vei for benchmarking av VQE-applikasjoner på støyende kvantedatamaskiner på kort sikt.
Q2 Chemistry er egnet for storskala simulering av kvanteberegningskjemi, basert på en kombinasjon av Density Matrix Embedding Theory og Matrix Product States for å redusere den eksponentielle minneskaleringen mot systemstørrelsen; et tilpasset tre-nivå parallelliseringsskjema har blitt implementert i henhold til arten av det fysiske problemet og mange-kjerne-arkitekturen; Julia brukes som primærspråk som både gjør programmering enklere og muliggjør nyskapende ytelse nær native C eller Fortran; Ekte kjemiske systemer har blitt studert for å demonstrere kraften til Q2Chemistry i beregningsmessig kvantifisering av proteinligand-interaksjoner. Så vidt de vet, er dette den første rapporterte kvanteberegningskjemiske simuleringen
beregning for ekte kjemisk system med så mange som 100 atomer og 1000 qubits ved bruk av DMET-MPS-VQE (og 200 qubits ved bruk av MPS-VQE), og skalerer til rundt 20 millioner kjerner. Dette baner vei for benchmarking med nær sikt
VQE-eksperimenter på kvantedatamaskiner med rundt 100 qubits.
En ny studie viser at for problemer av virkelig interesse, for eksempel å beregne energitilstandene til en klynge av atomer, kvantesimuleringer er ennå ikke mer nøyaktige enn de for klassiske datamaskiner.
Studieresultatene viser hvor nære kvantedatamaskiner er å bli nyttige atom- og molekylære simuleringsverktøy for kjemikere og materialforskere.
Garnet Chan fra California Institute of Technology og hans medarbeidere utførte simuleringer av et molekyl og et materiale ved å bruke en 53-qubit Google-prosessor kalt Weber, basert på Sycamore.
Teamet valgte ut to problemer av aktuell interesse, uten noen vurdering av hvor godt egnet de kan være til en kvantekrets. Den første innebærer å beregne energitilstandene til en 8-atoms klynge av jern (Fe) og svovel (S) som finnes i den katalytiske kjernen til enzymet nitrogenase. Dette enzymet bryter sterke bindinger i nitrogenmolekyler som det første trinnet i en viktig biologisk prosess kalt nitrogenfiksering. Å forstå kjemien i denne prosessen kan være verdifull for å utvikle kunstige nitrogenfikserende katalysatorer for den kjemiske industrien.
En av de viktigste hindringene for nøyaktige kvantesimuleringer er støy - tilfeldige feil i både svitsjingen av "portene" som utfører kvantelogiske operasjoner og i lesingen av deres utgangstilstander. Disse feilene akkumuleres og begrenser antallet portoperasjoner en beregning kan utføre før støyen dominerer. Forskerne fant at simuleringer med mer enn 300 porter ble overveldet av støy. Men jo mer komplekst systemet er, desto flere porter trengs. Fe-S-klyngen, for eksempel, har lang rekkevidde interaksjoner mellom spinn; for å bli representert nøyaktig, krever slike interaksjoner mange porter.
Simuleringene ga spådommer for energispektrene til Fe-S-klyngen og varmekapasiteten til 𝛼-RuCl3 rimelig godt - men bare hvis de simulerte systemene ikke var for store. For 𝛼-RuCl3 kunne teamet bare oppnå meningsfulle resultater for en veldig liten 6-atom del av krystallgitteret; hvis de økte størrelsen til bare 10 atomer, overveldet støyen produksjonen. Og begrensningene for portoperasjoner betydde at bare omtrent en femtedel av Webers kvanteressurser kunne brukes til beregningen.
State of the Art kvantekjemi på IonQ Trapped Ion
Kvanteberegning har vakt betydelig oppmerksomhet for sitt potensial til å løse visse beregningsproblemer mer effektivt enn med klassiske datamaskiner, spesielt siden IBM lanserte den første skytilgjengelige kvantedatamaskinen og Google demonstrerte kvantefordeler. En av de mest lovende applikasjonene er å løse elektroniske strukturproblemer effektivt: for å illustrere, tenk på at for et problem som inneholder N spinnorbitaler, skalerer antallet klassiske biter som kreves for å representere bølgefunksjonen kombinatorisk med N, mens de er på et kvante
datamaskin bare N qubits er nødvendig. Den eksponentielle fordelen som tilbys av kvantedatamaskiner har motivert mye forskning for å utvikle kvantealgoritmer for å løse det elektroniske strukturproblemet.
Algoritmen for variasjonskvanteegensolver (VQE) er designet spesielt for nåværende NISQ-datamaskiner på kort sikt. VQE estimerer grunntilstanden til et system ved å implementere en grunn parameterisert krets, som er klassisk optimalisert for å minimere forventningsverdien for energi. VQE-algoritmen lar brukeren velge formen til den parameteriserte kretsen.
Det er en forskningsartikkel fra 2 milliarder dollar Trapped Ion kvantedatamaskinselskapet IonQ. De fikk ny rekord med 12 qubits og 72 parametere. Hvis jeg ikke tar feil, ble Google-arbeidet med 10 atomer og qubits overgått av dette IonQ-arbeidet.
IonQ tester for tiden et 35 fanget ion qubit-system. Fanget ion skal teoretisk være i stand til å oppnå fysisk perfekte qubits. Det er imidlertid andre feilkilder i hele systemet.
Sunway-superdatamaskinarbeidet med klassiske maskiner som simulerer atomer og IonQ og andre kvantesystemer vil fortsette å presse seg frem og rase mot å simulere større og større fysiske atom- og molekylsystemer.
Orbital-optimerte par-korrelerte elektronsimuleringer på fanget-ion kvantedatamaskiner
Variasjonelle kvanteegenløsere (VQE) er blant de mest lovende tilnærmingene for å løse elektroniske strukturproblemer på kortsiktige kvantedatamaskiner. En kritisk utfordring for VQE i praksis er at man må finne en balanse mellom uttrykksevnen til VQE-ansatz versus antall kvanteporter som kreves for å implementere ansatzen, gitt realiteten til støyende kvanteoperasjoner på kortsiktige kvantedatamaskiner. I dette arbeidet vurderer vi en orbital-optimalisert par-korrelert tilnærming til den enhetlige koplede klyngen med singler og dobler (uCCSD) ansatz og rapporterer en svært effektiv kvantekretsimplementering for fangede-ion-arkitekturer. Vi viser at orbitaloptimalisering kan gjenvinne betydelig ekstra elektronkorrelasjonsenergi uten å ofre effektivitet gjennom målinger av lavordens matriser med redusert tetthet (RDM). Ved dissosiasjon av små molekyler gir metoden kvalitativt nøyaktige spådommer i det sterkt korrelerte regimet når den kjøres på støyfrie kvantesimulatorer. På IonQs Harmony og Aria fangede-ion kvantedatamaskiner kjører vi ende-til-ende VQE-algoritmer med opptil 12 qubits og 72 variasjonsparametere – den største fullstendige VQE-simuleringen med en korrelert bølgefunksjon på kvantemaskinvare. Vi finner at selv uten feilreduserende teknikker, er de forutsagte relative energiene over forskjellige molekylære geometrier i utmerket overensstemmelse med støyfrie simulatorer.
Er det bevis på eksponentiell kvantefordel i kvantekjemi.
Abstrakt
Ideen om å bruke kvantemekaniske enheter for å simulere andre kvantesystemer tilskrives ofte Feynman. Siden det opprinnelige forslaget har det dukket opp konkrete forslag for å simulere molekylær- og materialkjemi gjennom kvanteberegning, som en potensiell "killer-applikasjon". Indikasjoner på potensiell eksponentiell kvantefordel i kunstige oppgaver har økt interessen for denne applikasjonen, og derfor er det avgjørende å forstå grunnlaget for potensiell eksponentiell kvantefordel i kvantekjemi. Her samler vi bevisene for denne saken i den vanligste oppgaven innen kvantekjemi, nemlig energiestimering i grunntilstand. Vi konkluderer med at bevis for en slik eksponentiell fordel over kjemisk rom ennå ikke er funnet. Selv om kvantedatamaskiner fortsatt kan vise seg å være nyttige for kvantekjemi, kan det være klokt å anta at eksponentielle hastigheter ikke er generisk tilgjengelige for dette problemet.
Forskere fra Berkeley og andre steder undersøkte saken for hypotesen om eksponentiell kvantefordel (EQA) for den sentrale oppgaven med grunntilstandsbestemmelse i kvantekjemi. Den spesifikke versjonen av EQA som de undersøkte krevde at forberedelse av kvantetilstand skulle være eksponentielt lett sammenlignet med klassisk heuristikk, og at klassisk heuristikk skulle være eksponentielt vanskelig. Deres numeriske simuleringer fremhever at heuristikk er nødvendig for å oppnå effektiv kvantegrunntilstandsforberedelse. Samtidig finner de ikke bevis for eksponentiell skalering av klassisk heuristikk i et sett med relevante problemer. Sistnevnte antyder at kvantetilstandsforberedelse kan gjøres effektiv for de samme problemene. Men siden EQA er basert på forholdet mellom kostnader, fører ikke dette til EQA.
Numeriske beregninger er ikke matematiske bevis på asymptotiske forhold med hensyn til størrelse og feil, og de kan heller ikke ekskludere EQA i spesifikke problemer. Resultatene deres tyder imidlertid på at uten ny og grunnleggende innsikt kan det være mangel på generisk EQA i denne oppgaven. Å identifisere et relevant kvantekjemisk system med sterke bevis på EQA er fortsatt et åpent spørsmål. De vurderte ikke andre oppgaver enn bakketilstandsbestemmelse, og utelukker heller ikke polynomiske speedups. Avhengig av den nøyaktige formen, kan polynomiske kvantehastigheter være assosiert med nyttige kvantefordeler, da selv en klassisk polynomalgoritme ikke betyr at løsninger kan oppnås på en praktisk tid. Begge aspektene kan vise seg å være viktige i videreutviklingen av kvantealgoritmer innen kvantekjemi.
Brian Wang er en futuristisk tankeleder og en populær vitenskapsblogger med 1 million lesere per måned. Bloggen hans Nextbigfuture.com er rangert som #1 Science News Blog. Den dekker mange forstyrrende teknologi og trender, inkludert rom, robotikk, kunstig intelligens, medisin, anti-aging bioteknologi og nanoteknologi.
Han er kjent for å identifisere banebrytende teknologier, og er for tiden en av grunnleggerne av en oppstart og innsamling for høy potensielle selskaper i et tidlig stadium. Han er forskningssjef for allokasjoner for dype teknologiinvesteringer og en engelinvestor hos Space Angels.
Han er en hyppig foredragsholder i selskaper, og har vært TEDx -foredragsholder, høyttaler på Singularity University og gjest på mange intervjuer for radio og podcaster. Han er åpen for offentlige foredrag og rådgivning.
