Chemia kwantowa jest bardzo trudna. Najlepsza chemia obliczeń kwantowych wydaje się być na poziomie 12 kubitów / 12 atomów. Symulacje superkomputerowe mogą obsłużyć symulację 20 kubitów i 20 atomów. Istnieją wczesne artykuły sugerujące, że w niektórych typach symulacji klasyczne superkomputery mogą osiągnąć 100 atomów i 1000 kubitów. Komputery kwantowe przesyłają do 35 uwięzionych jonów o wysokiej wierności, a przy tym pozostaje wiele pracy, aby osiągnąć lepsze łagodzenie i tłumienie błędów oraz ostateczną korekcję błędów za pomocą komputerów kwantowych. Trwają przełomowe algorytmy dla superkomputerów i systemów kwantowych, a wielu konkurentów dysponujących różnymi technologiami kwantowymi pragnie dokonać przełomowych rozwiązań w celu umożliwienia skalowania do tysięcy i milionów kubitów oraz opracowania lepszego i bardziej wydajnego zarządzania błędami.
W 2022 roku ukazała się praca, w której przeprowadzono symulacje kwantowe na superkomputerze Sunway. Na obecnym etapie klasyczna symulacja obliczeń kwantowych ma kluczowe znaczenie w badaniu algorytmów kwantowych i architektur obliczeń kwantowych, zwłaszcza w przypadku heurystycznych algorytmów kwantowych, takich jak VQE. W największym dotychczas eksperymencie VQE przeprowadzonym na komputerze kwantowym wykorzystano 12 kubitów. Oczekuje się, że istotna dla przemysłu kwantowa przewaga obliczeniowa w chemii kwantowej pojawi się przy około 38 ≤ N ≤ 68 kubitów (przy założeniu kubitów skorygowanych o błędy), co jest związane z problemem struktury elektronicznej, w tym
19 ≤ N ≤ 34 elektrony.
W porównaniu do RQC (Random Quantum Circuits), VQE (wariacyjny kwantowy solwer eigenów) jest znacznie bardziej wymagający zarówno dla komputerów kwantowych, jak i klasycznych, na przykład liczba bramek CNOT biorących udział w typowej symulacji chemii obliczeniowej kwantowej szybko przekracza 1 milion przy powszechnie używanych ansatz motywowany fizycznie, taki jak jednolity klaster sprzężony (UCC). Co więcej, parametryczny obwód kwantowy musi być wykonywany wielokrotnie, co jest typowe dla algorytmów wariacyjnych. Efekty te ograniczają większość obecnych badań VQE przy użyciu klasycznych komputerów do bardzo małych problemów (mniej niż 20 kubitów). Uwolnienie języka programowania Julia w architekturach Sunway i wydajne uruchamianie go na ponad 20 milionach rdzeni jest również niezwykle trudnym zadaniem. Prace przeprowadzone w 2022 r. ustanowiły standardy w zakresie wielkoskalowej klasycznej symulacji kwantowej chemii obliczeniowej i torują drogę do porównywania aplikacji VQE na krótkookresowych, hałaśliwych komputerach kwantowych.
Q2 Chemistry nadaje się do wielkoskalowej symulacji kwantowej chemii obliczeniowej, w oparciu o połączenie teorii osadzania macierzy gęstości i stanów produktu macierzy w celu zmniejszenia wykładniczego skalowania pamięci w stosunku do rozmiaru systemu; wdrożono dostosowany trzypoziomowy schemat równoległości w zależności od charakteru problemu fizycznego i architektury wielordzeniowej; Julia jest używana jako podstawowy język, który zarówno ułatwia programowanie, jak i zapewnia najnowocześniejszą wydajność zbliżoną do natywnego C lub Fortran; Zbadano rzeczywiste układy chemiczne, aby zademonstrować skuteczność Q2Chemistry w obliczeniowym określeniu ilościowym interakcji białko-ligand. Według ich najlepszej wiedzy jest to pierwsza odnotowana symulacja kwantowej chemii obliczeniowej
obliczenia dla rzeczywistego układu chemicznego zawierającego aż 100 atomów i 1000 kubitów przy użyciu DMET-MPS-VQE (i 200 kubitów przy użyciu MPS-VQE) i skalowanie do około 20 milionów rdzeni. To otwiera drogę do porównań w najbliższej przyszłości
Eksperymenty VQE na komputerach kwantowych z około 100 kubitami.
Nowe badanie pokazuje, że w przypadku problemów istotnych w świecie rzeczywistym, takich jak obliczanie stanów energetycznych skupiska atomów, symulacje kwantowe nie są jeszcze dokładniejsze niż te przeprowadzane w klasycznych komputerach.
Wyniki badania pokazują, jak blisko komputery kwantowe mają stać się użytecznymi narzędziami symulacji atomowej i molekularnej dla chemików i badaczy materiałów.
Garnet Chan z California Institute of Technology i jego współpracownicy przeprowadzili symulacje cząsteczki i materiału przy użyciu 53-kubitowego procesora Google o nazwie Weber, opartego na Sycamore.
Zespół wybrał dwa problemy będące obecnie przedmiotem zainteresowania, nie zastanawiając się, jak dobrze mogłyby one pasować do obwodu kwantowego. Pierwsza polega na obliczeniu stanów energetycznych 8-atomowego klastra żelaza (Fe) i siarki (S) znajdującego się w rdzeniu katalitycznym enzymu azotazy. Enzym ten rozrywa silne wiązania w cząsteczkach azotu, co jest pierwszym krokiem w ważnym procesie biologicznym zwanym wiązaniem azotu. Zrozumienie chemii tego procesu może być cenne przy opracowywaniu sztucznych katalizatorów wiążących azot dla przemysłu chemicznego.
Jedną z kluczowych przeszkód w dokładnych symulacjach kwantowych jest szum – przypadkowe błędy zarówno w przełączaniu „bramek”, które wykonują operacje logiki kwantowej, jak i w odczycie ich stanów wyjściowych. Błędy te kumulują się i ograniczają liczbę operacji bramkowych, które obliczenia mogą wykonać, zanim dominuje szum. Naukowcy odkryli, że symulacje z udziałem ponad 300 bramek były przytłoczone szumem. Ale im bardziej złożony system, tym więcej bramek potrzeba. Na przykład gromada Fe-S charakteryzuje się interakcjami dalekiego zasięgu między spinami; aby można je było dokładnie przedstawić, takie interakcje wymagają wielu bramek.
Symulacje dostarczyły dość dobrych przewidywań dotyczących widm energii gromady Fe-S i pojemności cieplnej 𝛼-RuCl3, ale tylko wtedy, gdy symulowane układy nie były zbyt duże. W przypadku 𝛼-RuCl3 zespół mógł uzyskać znaczące wyniki jedynie dla bardzo małego 6-atomowego fragmentu sieci krystalicznej; jeśli zwiększyli rozmiar do zaledwie 10 atomów, hałas przytłoczył moc wyjściową. A ograniczenia dotyczące operacji bramkowych oznaczały, że do obliczeń można było wykorzystać tylko około jednej piątej zasobów kwantowych Webera.
Najnowocześniejsza chemia kwantowa na jonach uwięzionych w IonQ
Obliczenia kwantowe przyciągnęły znaczną uwagę ze względu na ich potencjał rozwiązywania niektórych problemów obliczeniowych w sposób bardziej efektywny niż w przypadku klasycznych komputerów, zwłaszcza od czasu, gdy IBM wypuścił pierwszy komputer kwantowy dostępny w chmurze, a Google wykazał przewagę kwantową. Jednym z jego najbardziej obiecujących zastosowań jest efektywne rozwiązywanie problemów ze strukturą elektronową: w celu zilustrowania rozważmy, że w przypadku problemu zawierającego orbitale spinowe N liczba klasycznych bitów wymaganych do przedstawienia funkcji falowej skaluje się kombinatorycznie z N, podczas gdy na kwantowym
potrzebnych jest tylko N kubitów. Wykładnicza przewaga oferowana przez komputery kwantowe stała się motywacją do wielu badań nad opracowaniem algorytmów kwantowych w celu rozwiązania problemu struktury elektronicznej.
Algorytm wariacyjnego kwantowego solwera eigenów (VQE) został zaprojektowany specjalnie dla obecnych komputerów kwantowych o pośredniej skali krótkoterminowej (NISQ). VQE szacuje stan podstawowy systemu poprzez wdrożenie płytkiego, sparametryzowanego obwodu, który jest klasycznie optymalizowany w celu wariacyjnego minimalizowania wartości oczekiwanej energii. Algorytm VQE umożliwia użytkownikowi wybór postaci sparametryzowanego obwodu.
Istnieje artykuł badawczy firmy IonQ, zajmującej się komputerami kwantowymi Trapped Ion, wartej 2 miliardy dolarów. Uzyskali nowy rekord z 12 kubitami i 72 parametrami. Jeśli się nie mylę, praca Google z 10 atomami i kubitami została przekroczona przez tę pracę IonQ.
IonQ testuje obecnie system kubitów składających się z 35 uwięzionych jonów. Uwięziony jon powinien teoretycznie być w stanie osiągnąć fizycznie doskonałe kubity. Istnieją jednak inne źródła błędów w całym systemie.
Superkomputer Sunway pracuje na klasycznych maszynach symulujących atomy, a IonQ i inne systemy kwantowe będą nadal posuwać się do przodu i ścigać się w kierunku symulacji coraz większych fizycznych układów atomowych i molekularnych.
Symulacje elektronów skorelowanych parami, zoptymalizowane pod kątem orbity, na komputerach kwantowych z uwięzionymi jonami
Wariacyjne kwantowe solwery własne (VQE) należą do najbardziej obiecujących podejść do rozwiązywania problemów ze strukturą elektronową w krótkoterminowych komputerach kwantowych. Krytycznym wyzwaniem dla VQE w praktyce jest to, że należy znaleźć równowagę pomiędzy ekspresją ansatzu VQE a liczbą bramek kwantowych wymaganych do wdrożenia ansatzu, biorąc pod uwagę rzeczywistość zaszumionych operacji kwantowych na krótkoterminowych komputerach kwantowych. W tej pracy rozważamy zoptymalizowane pod kątem orbity, skorelowane parami przybliżenie unitarnego sprzężonego klastra z ansatzem pojedynczym i podwójnym (uCCSD) i zgłaszamy wysoce wydajną implementację obwodu kwantowego dla architektur z uwięzionymi jonami. Pokazujemy, że optymalizacja orbity może odzyskać znaczną dodatkową energię korelacji elektronów bez utraty wydajności poprzez pomiary macierzy o zmniejszonej gęstości niskiego rzędu (RDM). W przypadku dysocjacji małych cząsteczek metoda zapewnia jakościowo dokładne przewidywania w silnie skorelowanym reżimie podczas pracy na pozbawionych szumów symulatorach kwantowych. Na komputerach kwantowych Harmony i Aria firmy IonQ z uwięzionymi jonami uruchamiamy kompleksowe algorytmy VQE z maksymalnie 12 kubitami i 72 parametrami wariacyjnymi – jest to największa pełna symulacja VQE ze skorelowaną funkcją falową na sprzęcie kwantowym. Odkryliśmy, że nawet bez technik ograniczania błędów przewidywane energie względne w różnych geometriach molekularnych są doskonale zgodne z symulatorami pozbawionymi szumów.
Czy istnieją dowody na wykładniczą przewagę kwantową w chemii kwantowej?
Abstrakcyjny
Pomysł wykorzystania urządzeń mechaniki kwantowej do symulacji innych układów kwantowych jest powszechnie przypisywany Feynmanowi. Od czasu pierwotnej sugestii pojawiły się konkretne propozycje symulacji chemii molekularnej i materiałowej za pomocą obliczeń kwantowych, jako potencjalnego „zabójczego zastosowania”. Wskazania potencjalnej wykładniczej przewagi kwantowej w sztucznych zadaniach zwiększyły zainteresowanie tym zastosowaniem, dlatego niezwykle ważne jest zrozumienie podstaw potencjalnej wykładniczej przewagi kwantowej w chemii kwantowej. Tutaj zbieramy dowody w tym przypadku w najczęstszym zadaniu chemii kwantowej, a mianowicie szacowaniu energii stanu podstawowego. Dochodzimy do wniosku, że nie znaleziono jeszcze dowodów na tak wykładniczą przewagę w przestrzeni chemicznej. Chociaż komputery kwantowe mogą nadal okazać się przydatne w chemii kwantowej, rozsądnie jest założyć, że wykładnicze przyspieszenia nie są zazwyczaj dostępne w przypadku tego problemu.
Naukowcy z Berkeley i innych krajów zbadali hipotezę wykładniczej przewagi kwantowej (EQA) dla głównego zadania, jakim jest określenie stanu podstawowego w chemii kwantowej. Specyficzna wersja EQA, którą zbadali, wymagała, aby przygotowanie stanu kwantowego było wykładniczo łatwe w porównaniu z klasyczną heurystyką, a klasyczna heurystyka była wykładniczo trudna. Ich symulacje numeryczne podkreślają, że heurystyki są niezbędne do osiągnięcia wydajnego przygotowania kwantowego stanu podstawowego. Jednocześnie nie znajdują dowodów na wykładnicze skalowanie klasycznej heurystyki w zestawie istotnych problemów. To ostatnie sugeruje, że przygotowanie stanu kwantowego może być skuteczne w przypadku tych samych problemów. Ponieważ jednak EQA opiera się na stosunku kosztów, nie prowadzi to do EQA.
Obliczenia numeryczne nie stanowią matematycznego dowodu asymptotyki pod względem wielkości i błędu, ani nie mogą wykluczać EQA w konkretnych problemach. Jednak ich wyniki sugerują, że bez nowych i fundamentalnych spostrzeżeń w tym zadaniu może brakować ogólnej EQA. Identyfikacja odpowiedniego układu chemii kwantowej z mocnymi dowodami potwierdzającymi EQA pozostaje kwestią otwartą. Nie brali pod uwagę zadań innych niż wyznaczanie stanu podstawowego ani nie wykluczali przyspieszeń wielomianowych. W zależności od dokładnej postaci, wielomianowe przyspieszenia kwantowe mogą wiązać się z użyteczną przewagą kwantową, ponieważ nawet klasyczny algorytm wielomianowy nie oznacza, że rozwiązania można uzyskać w praktycznym czasie. Obydwa aspekty mogą okazać się istotne w dalszym rozwoju algorytmów kwantowych w chemii kwantowej.
Brian Wang jest liderem myśli futurystycznej i popularnym blogerem naukowym z milionem czytelników miesięcznie. Jego blog Nextbigfuture.com zajmuje pierwsze miejsce w rankingu Science News Blog. Obejmuje wiele przełomowych technologii i trendów, w tym przestrzeń kosmiczną, robotykę, sztuczną inteligencję, medycynę, biotechnologię przeciwstarzeniową i nanotechnologię.
Znany z identyfikowania najnowocześniejszych technologii, obecnie jest współzałożycielem startupu i fundraiserem dla firm o wysokim potencjale we wczesnej fazie rozwoju. Pełni funkcję Szefa Działu Badań Alokacji dla inwestycji w głębokie technologie oraz Anioła Inwestora w Space Angels.
Częsty mówca w korporacjach, mówca TEDx, mówca Singularity University i gościnnie w licznych wywiadach dla radia i podcastów. Jest otwarty na wystąpienia publiczne i doradzanie.
