Toppmodern kvantkemi 2022

Kvantkemi är väldigt svårt. Den bästa kvantberäkningskemin verkar vara på nivån 12 qubits / 12 atomer. Superdatorsimuleringar kan hantera 20 qubits och 20 atoms simulering. Det finns tidiga artiklar som tyder på att klassiska superdatorer kan nå 100 atomer och 1000 qubit för vissa typer av simulering. Kvantdatorer pressar upp till 35 högfientliga fångade joner och det finns arbete för att uppnå överlägsen felreducering och felundertryckning och eventuell felkorrigering med kvantdatorer. Genombrott inom algoritmer för superdatorer och för kvantsystem fortsätter och det finns många konkurrenter med olika kvantteknologier som vill göra genombrott för att skala till tusentals och miljoner kvantbitar och utveckla överlägsen och effektivare felhantering.

Det fanns ett papper 2022 där kvantsimuleringar på Sunways superdator utfördes. I det nuvarande skedet är klassisk simulering av kvantberäkning avgörande för studiet av kvantalgoritmer och kvantberäkningsarkitekturer, särskilt för heuristiska kvantalgoritmer som VQE. Det största VQE-experimentet som gjorts på en kvantdator hittills har använt 12 qubits. En industriellt relevant kvantberäkningsfördel inom kvantkemi förväntas dyka upp vid cirka 38 ≤ N ≤ 68 qubits (under antagandet om felkorrigerade qubits), vilket är relaterat till ett elektroniskt strukturproblem, bl.a.
19 ≤ N ≤ 34 elektroner.

Jämfört med RQC (Random Quantum Circuits), är VQE (variationell kvantegenlösare) mycket mer krävande för både kvantdatorer och klassiska datorer, till exempel går antalet CNOT-grindar inblandade i en typisk kvantberäkningskemi-simulering snabbt över 1 miljon med vanligt använda fysiskt motiverade ansatz såsom unitary coupled-cluster (UCC). Dessutom måste den parametriska kvantkretsen exekveras många gånger, vilket är typiskt för variationsalgoritmer. Dessa effekter begränsar de flesta av de nuvarande undersökningarna av VQE som använder klassiska datorer till mycket små problem (mindre än 20 qubits). Att släppa lös programmeringsspråket Julia på Sunway-arkitekturer och köra det effektivt över 20 miljoner kärnor är också en extremt utmanande uppgift. Arbetet från 2022 har satt standarden för storskalig klassisk simulering av kvantberäkningskemi och banar väg för benchmarking av VQE-applikationer på kortvariga bullriga kvantdatorer.

Q2 Chemistry är lämplig för storskalig simulering av kvantberäkningskemi, baserad på en kombination av densitetsmatrisinbäddningsteorin och matrisprodukttillstånden för att minska den exponentiella minnesskalningen mot systemstorleken; ett anpassat parallelliseringsschema med tre nivåer har implementerats i enlighet med det fysiska problemets natur och arkitekturen med många kärnor; Julia används som det primära språket vilket både gör programmering enklare och möjliggör banbrytande prestanda nära infödda C eller Fortran; Verkliga kemiska system har studerats för att visa kraften hos Q2Chemistry i beräkningskvantifiering av proteinligandinteraktioner. Så vitt de vet är detta den första rapporterade kvantberäkningskemi-simuleringen
beräkning för verkliga kemiska system med så många som 100 atomer och 1000 qubits med DMET-MPS-VQE (och 200 qubits med MPS-VQE), och skalas till cirka 20 miljoner kärnor. Detta banar väg för benchmarking på kort sikt
VQE-experiment på kvantdatorer med cirka 100 qubits.

En ny studie visar att för problem av verkligt intresse, som att beräkna energitillstånden för ett kluster av atomer, kvantsimuleringar är ännu inte mer exakta än de för klassiska datorer.

Studieresultaten visar hur nära kvantdatorer är att bli användbara atomära och molekylära simuleringsverktyg för kemister och materialforskare.

Garnet Chan från California Institute of Technology och hans medarbetare utförde simuleringar av en molekyl och ett material med hjälp av en 53-qubit Google-processor som heter Weber, baserad på Sycamore.

Teamet valde ut två problem av aktuellt intresse, utan någon hänsyn till hur väl lämpade de kan vara för en kvantkrets. Den första innebär att beräkna energitillstånden för ett 8-atoms kluster av järn (Fe) och svavel (S) som finns i den katalytiska kärnan av enzymet nitrogenas. Detta enzym bryter starka bindningar i kvävemolekyler som det första steget i en viktig biologisk process som kallas kvävefixering. Att förstå kemin i denna process kan vara värdefullt för att utveckla artificiella kvävefixerande katalysatorer för den kemiska industrin.

Ett av de viktigaste hindren för exakta kvantsimuleringar är brus - slumpmässiga fel i både omkopplingen av "grindar" som utför kvantlogiska operationer och i avläsningen av deras utdata. Dessa fel ackumuleras och begränsar antalet grindoperationer en beräkning kan utföra innan bruset dominerar. Forskarna fann att simuleringar med mer än 300 grindar överväldigades av buller. Men ju mer komplext systemet är, desto fler grindar behövs. Fe-S-klustret, till exempel, har långväga interaktioner mellan snurr; för att representeras korrekt kräver sådana interaktioner många grindar.

Simuleringarna gav förutsägelser för Fe-S-klustrets energispektra och värmekapaciteten för 𝛼-RuCl3 ganska bra - men bara om de simulerade systemen inte var för stora. För 𝛼-RuCl3 kunde teamet bara få meningsfulla resultat för en mycket liten 6-atoms bit av kristallgittret; om de ökade storleken till bara 10 atomer, överväldigade bruset utmatningen. Och begränsningarna för grindoperationer innebar att endast ungefär en femtedel av Webers kvantresurser kunde användas för beräkningen.

Toppmodern kvantkemi på IonQ Trapped Ion

Kvantberäkning har väckt stor uppmärksamhet för sin potential att lösa vissa beräkningsproblem mer effektivt än med klassiska datorer, särskilt sedan IBM lanserade den första molntillgängliga kvantdatorn och Google visade kvantfördelar. En av dess mest lovande tillämpningar är att lösa elektroniska strukturproblem effektivt: för att illustrera, tänk på att för ett problem som innehåller N spinnorbitaler, skalar antalet klassiska bitar som krävs för att representera vågfunktionen kombinatoriskt med N, medan de är på ett kvantum.
dator endast N qubits behövs. Den exponentiella fördelen med kvantdatorer har motiverat en hel del forskning för att utveckla kvantalgoritmer för att lösa problemet med elektronisk struktur.

Algoritmen för variationskvantumegenlösare (VQE) är utformad specifikt för nuvarande NISQ-datorer på kort sikt. VQE uppskattar grundtillståndet för ett system genom att implementera en grund parameteriserad krets, som är klassiskt optimerad för att variationsmässigt minimera förväntat energivärde. VQE-algoritmen tillåter användaren att välja formen på den parametrerade kretsen.

Det finns en forskningsartikel från $2 miljarder Trapped Ion kvantdatorföretag IonQ. De fick ett nytt rekord med 12 qubits och 72 parametrar. Om jag inte har fel överträffades Google-arbetet med 10 atomer och qubits av detta IonQ-arbete.

IonQ testar för närvarande ett qubit-system med 35 fångade joner. Fångad jon bör teoretiskt sett kunna uppnå fysiskt perfekta qubits. Det finns dock andra felkällor i hela systemet.

Sunways superdatorarbete med klassiska maskiner som simulerar atomer och IonQ och andra kvantsystem kommer att fortsätta att driva framåt och tävla mot att simulera större och större fysiska atomära och molekylära system.

Orbital-optimerade par-korrelerade elektronsimuleringar på fångade-jon kvantdatorer

Variationella kvantegenlösare (VQE) är bland de mest lovande metoderna för att lösa elektroniska strukturproblem på kortsiktiga kvantdatorer. En kritisk utmaning för VQE i praktiken är att man måste hitta en balans mellan uttrycksförmågan hos VQE-ansatzen kontra antalet kvantportar som krävs för att implementera ansatzen, givet verkligheten med bullriga kvantoperationer på korttidskvantdatorer. I detta arbete överväger vi en orbitaloptimerad parkorrelerad approximation till det enhetligt kopplade klustret med singlar och dubblar (uCCSD) ansatz och rapporterar en mycket effektiv kvantkretsimplementering för fångade-jonarkitekturer. Vi visar att orbitaloptimering kan återvinna betydande ytterligare elektronkorrelationsenergi utan att offra effektivitet genom mätningar av lågords matriser med reducerad densitet (RDM). Vid dissociering av små molekyler ger metoden kvalitativt exakta förutsägelser i den starkt korrelerade regimen när den körs på brusfria kvantsimulatorer. På IonQs Harmony- och Aria-kvantdatorer med fångade joner kör vi end-to-end VQE-algoritmer med upp till 12 qubits och 72 variationsparametrar – den största fullständiga VQE-simuleringen med en korrelerad vågfunktion på kvanthårdvara. Vi finner att även utan felreducerande tekniker är de förutsagda relativa energierna över olika molekylära geometrier i utmärkt överensstämmelse med brusfria simulatorer.

Finns det bevis för exponentiell kvantfördel i kvantkemi.

Abstrakt
Idén att använda kvantmekaniska enheter för att simulera andra kvantsystem tillskrivs vanligtvis Feynman. Sedan det ursprungliga förslaget har konkreta förslag dykt upp för att simulera molekyl- och materialkemi genom kvantberäkning, som en potentiell "mördarapplikation". Indikationer på potentiella exponentiella kvantfördelar i artificiella uppgifter har ökat intresset för denna applikation, så det är viktigt att förstå grunden för potentiella exponentiella kvantfördelar inom kvantkemi. Här samlar vi bevisen för detta fall i den vanligaste uppgiften inom kvantkemi, nämligen energiuppskattning i grundtillstånd. Vi drar slutsatsen att bevis för en sådan exponentiell fördel över kemiskt utrymme ännu inte har hittats. Även om kvantdatorer fortfarande kan visa sig användbara för kvantkemi, kan det vara klokt att anta att exponentiella hastigheter inte är generiskt tillgängliga för detta problem.

Forskare från Berkeley och på andra håll undersökte fallet för hypotesen om exponentiell kvantfördel (EQA) för den centrala uppgiften att bestämma grundtillståndet inom kvantkemi. Den specifika versionen av EQA som de undersökte krävde att kvanttillståndsförberedelser skulle vara exponentiellt lätta jämfört med klassisk heuristik, och att klassisk heuristik skulle vara exponentiellt svår. Deras numeriska simuleringar visar att heuristik är nödvändig för att uppnå effektiv kvantförberedelse av grundtillstånd. Samtidigt hittar de inte bevis för den exponentiella skalningen av klassisk heuristik i en uppsättning relevanta problem. Det senare antyder att kvanttillståndsberedning kan göras effektiv för samma problem. Men eftersom EQA baseras på förhållandet mellan kostnader leder detta inte till EQA.

Numeriska beräkningar är inte matematiska bevis för asymptotik med avseende på storlek och fel, och de kan inte heller utesluta EQA i specifika problem. Deras resultat tyder dock på att utan nya och grundläggande insikter kan det finnas en brist på generisk EQA i denna uppgift. Att identifiera ett relevant kvantkemiskt system med starka bevis på EQA är fortfarande en öppen fråga. De övervägde inte andra uppgifter än bestämning av marktillstånd, och de utesluter inte heller polynomhastigheter. Beroende på den exakta formen kan polynomiska kvanthastigheter associeras med användbara kvantfördelar, eftersom inte ens en klassisk polynomalgoritm betyder att lösningar kan erhållas på praktisk tid. Båda aspekterna kan visa sig viktiga i vidareutvecklingen av kvantalgoritmer inom kvantkemi.