เคมีควอนตัมอันล้ำสมัยในปี 2022

เคมีควอนตัมเป็นเรื่องยากมาก เคมีควอนตัมที่ดีที่สุดดูเหมือนจะอยู่ที่ระดับ 12 qubits / 12 อะตอม การจำลองซูเปอร์คอมพิวเตอร์สามารถรองรับการจำลอง 20 คิวบิตและ 20 อะตอม มีรายงานฉบับแรกๆ ที่แนะนำว่าซูเปอร์คอมพิวเตอร์แบบคลาสสิกสามารถรับได้ถึง 100 อะตอมและ 1000 คิวบิตสำหรับการจำลองบางประเภท คอมพิวเตอร์ควอนตัมกำลังผลักไอออนที่มีความเที่ยงตรงสูงที่ติดอยู่สูงถึง 35 ตัว และมีการทำงานเพื่อให้บรรลุการบรรเทาข้อผิดพลาดและการปราบปรามข้อผิดพลาดที่เหนือกว่า และการแก้ไขข้อผิดพลาดในที่สุดด้วยคอมพิวเตอร์ควอนตัม ความก้าวหน้าในอัลกอริธึมสำหรับซูเปอร์คอมพิวเตอร์และระบบควอนตัมยังคงดำเนินต่อไป และมีคู่แข่งจำนวนมากที่มีเทคโนโลยีควอนตัมที่แตกต่างกันที่ต้องการสร้างความก้าวหน้าในการขยายขนาดเป็นหลายพันล้านคิวบิต และเพื่อพัฒนาการจัดการข้อผิดพลาดที่เหนือกว่าและมีประสิทธิภาพมากขึ้น

มีรายงานในปี 2022 ที่แสดงการจำลองควอนตัมบนซูเปอร์คอมพิวเตอร์ Sunway ในขั้นตอนปัจจุบัน การจำลองการคำนวณควอนตัมแบบคลาสสิกมีความสำคัญอย่างยิ่งต่อการศึกษาอัลกอริทึมควอนตัมและสถาปัตยกรรมการคำนวณควอนตัม โดยเฉพาะอย่างยิ่งสำหรับอัลกอริทึมควอนตัมแบบฮิวริสติกที่เป็น VQE การทดลอง VQE ที่ใหญ่ที่สุดที่ดำเนินการบนคอมพิวเตอร์ควอนตัมในปัจจุบันได้ใช้ไป 12 คิวบิต ข้อได้เปรียบทางการคำนวณควอนตัมที่เกี่ยวข้องกับอุตสาหกรรมในเคมีควอนตัมคาดว่าจะปรากฏที่ประมาณ 38 ≤ N ≤ 68 คิวบิต (ภายใต้สมมติฐานของคิวบิตที่แก้ไขข้อผิดพลาด) ซึ่งเกี่ยวข้องกับปัญหาโครงสร้างอิเล็กทรอนิกส์ รวมถึง
19 ≤ N ≤ 34 อิเล็กตรอน

เมื่อเปรียบเทียบกับ RQC (วงจรควอนตัมแบบสุ่ม) VQE (ตัวแก้ปัญหาควอนตัมไอเกนโซลเวอร์แบบแปรผัน) มีความต้องการมากกว่ามากสำหรับทั้งคอมพิวเตอร์ควอนตัมและคอมพิวเตอร์คลาสสิก ตัวอย่างเช่น จำนวนเกต CNOT ที่เกี่ยวข้องกับการจำลองเคมีเชิงคำนวณควอนตัมทั่วไปมีมากกว่า 1 ล้านเกตที่ใช้กันทั่วไปอย่างรวดเร็ว Ansatz ที่มีแรงจูงใจทางร่างกาย เช่น Unitary Coupled-Cluster (UCC) นอกจากนี้ วงจรควอนตัมแบบพาราเมตริกจะต้องดำเนินการหลายครั้งตามปกติสำหรับอัลกอริธึมแบบแปรผัน ผลกระทบเหล่านี้จำกัดการตรวจสอบ VQE ในปัจจุบันส่วนใหญ่โดยใช้คอมพิวเตอร์คลาสสิกให้เหลือเพียงปัญหาเล็กๆ น้อยๆ (น้อยกว่า 20 คิวบิต) การเผยแพร่ภาษาการเขียนโปรแกรม Julia บนสถาปัตยกรรม Sunway และการใช้งานอย่างมีประสิทธิภาพมากกว่า 20 ล้านคอร์ ถือเป็นงานที่ท้าทายอย่างยิ่งเช่นกัน งานในปี 2022 ได้กำหนดมาตรฐานสำหรับการจำลองคลาสสิกขนาดใหญ่ของเคมีคำนวณควอนตัม และปูทางสำหรับการเปรียบเทียบแอปพลิเคชัน VQE บนคอมพิวเตอร์ควอนตัมที่มีสัญญาณรบกวนในระยะใกล้

เคมีของไตรมาสที่ 2 เหมาะสำหรับการจำลองขนาดใหญ่ของเคมีในการคำนวณควอนตัม โดยอาศัยการผสมผสานระหว่างทฤษฎีการฝังเมทริกซ์ความหนาแน่นและสถานะผลิตภัณฑ์เมทริกซ์ เพื่อลดขนาดหน่วยความจำแบบเอ็กซ์โปเนนเชียลเทียบกับขนาดของระบบ มีการนำแผนการทำงานแบบขนานสามระดับที่กำหนดเองไปใช้ตามลักษณะของปัญหาทางกายภาพและสถาปัตยกรรมแบบหลายคอร์ Julia ใช้เป็นภาษาหลักซึ่งทำให้การเขียนโปรแกรมง่ายขึ้นและให้ประสิทธิภาพที่ล้ำหน้าใกล้เคียงกับภาษา C หรือ Fortran ดั้งเดิม ระบบเคมีจริงได้รับการศึกษาเพื่อแสดงให้เห็นถึงพลังของ Q2Chemistry ในการคำนวณปริมาณเชิงคำนวณของปฏิกิริยาระหว่างโปรตีนลิแกนด์ เท่าที่ทราบ นี่เป็นครั้งแรกที่มีการรายงานการจำลองเคมีเชิงคำนวณควอนตัม
การคำนวณสำหรับระบบเคมีจริงที่มีมากถึง 100 อะตอมและ 1000 คิวบิตโดยใช้ DMET-MPS-VQE (และ 200 คิวบิตโดยใช้ MPS-VQE) และปรับขนาดได้ประมาณ 20 ล้านคอร์ นี่เป็นการปูทางสำหรับการเปรียบเทียบในระยะใกล้
การทดลอง VQE บนคอมพิวเตอร์ควอนตัมที่มีขนาดประมาณ 100 คิวบิต

การศึกษาใหม่แสดงให้เห็นว่าสำหรับปัญหาในโลกแห่งความเป็นจริง เช่น การคำนวณสถานะพลังงานของกลุ่มอะตอม การจำลองควอนตัมยังไม่แม่นยำกว่าคอมพิวเตอร์คลาสสิก

ผลการศึกษาแสดงให้เห็นว่าคอมพิวเตอร์ควอนตัมเข้าใกล้การกลายเป็นเครื่องมือจำลองอะตอมและโมเลกุลที่เป็นประโยชน์สำหรับนักเคมีและนักวิทยาศาสตร์ด้านวัสดุมากเพียงใด

Garnet Chan จากสถาบันเทคโนโลยีแคลิฟอร์เนียและเพื่อนร่วมงานของเขาทำการจำลองโมเลกุลและวัสดุโดยใช้โปรเซสเซอร์ 53 คิวบิตของ Google ชื่อ Weber ซึ่งใช้ Sycamore

ทีมงานได้เลือกปัญหาสองข้อที่น่าสนใจในปัจจุบัน โดยไม่คำนึงถึงความเหมาะสมกับวงจรควอนตัม ขั้นแรกเกี่ยวข้องกับการคำนวณสถานะพลังงานของกลุ่มเหล็ก (Fe) และซัลเฟอร์ (S) จำนวน 8 อะตอมที่พบในแกนตัวเร่งปฏิกิริยาของเอนไซม์ไนโตรเจนเนส เอนไซม์นี้จะทำลายพันธะที่แข็งแกร่งในโมเลกุลไนโตรเจนซึ่งเป็นขั้นตอนแรกในกระบวนการทางชีวภาพที่สำคัญที่เรียกว่าการตรึงไนโตรเจน การทำความเข้าใจเกี่ยวกับเคมีของกระบวนการนี้อาจเป็นประโยชน์สำหรับการพัฒนาตัวเร่งปฏิกิริยาตรึงไนโตรเจนเทียมสำหรับอุตสาหกรรมเคมี

อุปสรรคสำคัญอย่างหนึ่งในการจำลองควอนตัมที่แม่นยำคือข้อผิดพลาดด้านสัญญาณรบกวน ซึ่งเป็นข้อผิดพลาดแบบสุ่มทั้งในการสลับ "เกต" ที่ดำเนินการตรรกะควอนตัมและในการอ่านสถานะเอาต์พุต ข้อผิดพลาดเหล่านี้จะสะสมและจำกัดจำนวนการทำงานของเกตที่การคำนวณสามารถทำได้ก่อนที่เสียงรบกวนจะดังขึ้น นักวิจัยพบว่าการจำลองที่มีประตูมากกว่า 300 ประตูมีเสียงรบกวนมากเกินไป แต่ยิ่งระบบมีความซับซ้อนมากเท่าไรก็ยิ่งจำเป็นต้องมีประตูมากขึ้นเท่านั้น ตัวอย่างเช่น คลัสเตอร์ Fe-S มีการโต้ตอบระยะยาวระหว่างการหมุน เพื่อที่จะแสดงได้อย่างถูกต้อง การโต้ตอบดังกล่าวต้องใช้หลายประตู

การจำลองให้การคาดการณ์สเปกตรัมพลังงานของกระจุก Fe-S และความจุความร้อนของ 𝛼-RuCl3 ได้ดีพอสมควร แต่เฉพาะในกรณีที่ระบบจำลองไม่ใหญ่เกินไป สำหรับ 𝛼-RuCl3 ทีมงานจะได้ผลลัพธ์ที่มีความหมายสำหรับก้อนผลึกขัดแตะขนาด 6 อะตอมที่เล็กมากเท่านั้น หากพวกมันเพิ่มขนาดเป็น 10 อะตอม เสียงก็จะท่วมเอาท์พุต และข้อจำกัดในการดำเนินการเกตหมายความว่าทรัพยากรควอนตัมของ Weber เพียงประมาณหนึ่งในห้าเท่านั้นที่สามารถนำมาใช้ในการคำนวณได้

เคมีควอนตัมอันล้ำสมัยเกี่ยวกับไอออนที่ติดอยู่กับ IonQ

การคำนวณควอนตัมดึงดูดความสนใจอย่างมากถึงศักยภาพในการแก้ปัญหาการคำนวณบางอย่างได้อย่างมีประสิทธิภาพมากกว่าคอมพิวเตอร์แบบดั้งเดิม โดยเฉพาะอย่างยิ่งนับตั้งแต่ IBM เปิดตัวคอมพิวเตอร์ควอนตัมที่เข้าถึงได้บนคลาวด์เครื่องแรก และ Google ก็ได้แสดงให้เห็นถึงความได้เปรียบของควอนตัม การใช้งานที่มีแนวโน้มมากที่สุดประการหนึ่งคือการแก้ปัญหาโครงสร้างอิเล็กทรอนิกส์อย่างมีประสิทธิภาพ เพื่อแสดงให้เห็น และพิจารณาว่าสำหรับปัญหาที่มีวงโคจรการหมุนของ N จำนวนบิตคลาสสิกที่จำเป็นในการแสดงฟังก์ชันคลื่นจะปรับขนาดร่วมกับ N ในขณะที่อยู่ในควอนตัม
คอมพิวเตอร์จำเป็นต้องใช้ N qubits เท่านั้น ข้อได้เปรียบแบบเอกซ์โปเนนเชียลที่นำเสนอโดยคอมพิวเตอร์ควอนตัมได้กระตุ้นให้เกิดการวิจัยจำนวนมากในการพัฒนาอัลกอริธึมควอนตัมเพื่อแก้ปัญหาโครงสร้างอิเล็กทรอนิกส์

อัลกอริธึมควอนตัมไอเกนโซลเวอร์แบบแปรผัน (VQE) ได้รับการออกแบบมาโดยเฉพาะสำหรับคอมพิวเตอร์ควอนตัมระดับกลาง (NISQ) ในระยะสั้นในปัจจุบัน VQE ประมาณการสถานะกราวด์ของระบบโดยการใช้วงจรที่กำหนดพารามิเตอร์แบบตื้น ซึ่งได้รับการปรับแต่งแบบคลาสสิกเพื่อลดค่าคาดหวังพลังงานให้เหลือน้อยที่สุด อัลกอริธึม VQE อนุญาตให้ผู้ใช้เลือกรูปแบบของวงจรที่กำหนดพารามิเตอร์ได้

มีรายงานการวิจัยจาก IonQ บริษัทคอมพิวเตอร์ควอนตัม Trapped Ion มูลค่า 2 พันล้านดอลลาร์ พวกเขาได้รับสถิติใหม่ด้วย 12 qubit และ 72 พารามิเตอร์ หากฉันจำไม่ผิด Google ทำงานกับ 10 อะตอมและ qubits ก็แซงหน้างาน IonQ นี้

ขณะนี้ IonQ กำลังทดสอบระบบคิวบิตไอออนที่ดักจับไว้ 35 ตัว ไอออนที่ติดอยู่ในทางทฤษฎีควรจะสามารถบรรลุคิวบิตที่สมบูรณ์แบบทางกายภาพได้ อย่างไรก็ตาม ยังมีสาเหตุอื่นๆ ของข้อผิดพลาดในทั้งระบบ

ซูเปอร์คอมพิวเตอร์ของ Sunway ทำงานบนเครื่องคลาสสิกที่จำลองอะตอม และ IonQ และระบบควอนตัมอื่นๆ จะยังคงเดินหน้าต่อไปและแข่งขันเพื่อจำลองระบบอะตอมและโมเลกุลทางกายภาพที่มีขนาดใหญ่ขึ้นเรื่อยๆ

การจำลองอิเล็กตรอนที่สัมพันธ์กันแบบคู่ที่ปรับให้เหมาะสมในวงโคจรบนคอมพิวเตอร์ควอนตัมไอออนที่ติดอยู่

eigensolvers ควอนตัมแบบแปรผัน (VQE) เป็นหนึ่งในแนวทางที่มีแนวโน้มมากที่สุดในการแก้ปัญหาโครงสร้างอิเล็กทรอนิกส์บนคอมพิวเตอร์ควอนตัมระยะสั้น ความท้าทายที่สำคัญสำหรับ VQE ในทางปฏิบัติคือ เราจำเป็นต้องสร้างสมดุลระหว่างการแสดงออกของ VQE ansatz กับจำนวนประตูควอนตัมที่จำเป็นในการใช้งาน ansatz เมื่อพิจารณาจากความเป็นจริงของการดำเนินการควอนตัมที่มีเสียงดังบนคอมพิวเตอร์ควอนตัมระยะสั้น ในงานนี้ เราพิจารณาการประมาณความสัมพันธ์คู่ที่ปรับให้เหมาะสมที่สุดในวงโคจรกับคลัสเตอร์แบบรวมคู่ที่มี ansatz แบบเดี่ยวและคู่ (uCCSD) และรายงานการใช้งานวงจรควอนตัมที่มีประสิทธิภาพสูงสำหรับสถาปัตยกรรมไอออนที่ติดอยู่ เราแสดงให้เห็นว่าการหาค่าเหมาะที่สุดของวงโคจรสามารถกู้คืนพลังงานสหสัมพันธ์ของอิเล็กตรอนเพิ่มเติมอย่างมีนัยสำคัญโดยไม่ทำให้ประสิทธิภาพลดลงผ่านการวัดเมทริกซ์ความหนาแน่นลดลงลำดับต่ำ (RDM) ในการแยกตัวของโมเลกุลขนาดเล็ก วิธีการนี้ให้การคาดการณ์ในเชิงคุณภาพที่แม่นยำในระบบที่มีความสัมพันธ์อย่างมาก เมื่อทำงานบนเครื่องจำลองควอนตัมไร้เสียงรบกวน บนคอมพิวเตอร์ควอนตัมไอออนที่ดักจับ Harmony และ Aria ของ IonQ เราใช้อัลกอริธึม VQE จากต้นทางถึงปลายทางที่มีมากถึง 12 คิวบิตและพารามิเตอร์แปรผัน 72 ตัว ซึ่งเป็นการจำลอง VQE เต็มรูปแบบที่ใหญ่ที่สุดพร้อมฟังก์ชันคลื่นที่สัมพันธ์กันบนฮาร์ดแวร์ควอนตัม เราพบว่าแม้จะไม่มีเทคนิคการลดข้อผิดพลาด แต่พลังงานสัมพัทธ์ที่คาดการณ์ไว้ในรูปทรงโมเลกุลต่างๆ ก็ยังอยู่ในข้อตกลงที่ยอดเยี่ยมกับเครื่องจำลองที่ปราศจากเสียงรบกวน

มีหลักฐานของความได้เปรียบควอนตัมเอ็กซ์โปเนนเชียลในเคมีควอนตัมหรือไม่

นามธรรม
แนวคิดในการใช้อุปกรณ์กลไกควอนตัมเพื่อจำลองระบบควอนตัมอื่นๆ โดยทั่วไปถูกกำหนดให้เป็นของไฟน์แมน นับตั้งแต่ข้อเสนอแนะเริ่มแรก มีข้อเสนอที่เป็นรูปธรรมสำหรับการจำลองเคมีโมเลกุลและวัสดุผ่านการคำนวณควอนตัม ว่าเป็น "การประยุกต์ใช้แบบนักฆ่า" ที่มีศักยภาพ การบ่งชี้ถึงความได้เปรียบเชิงควอนตัมแบบเอ็กซ์โพเนนเชียลที่เป็นไปได้ในงานประดิษฐ์ได้เพิ่มความสนใจในการใช้งานนี้ ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องเข้าใจพื้นฐานสำหรับความได้เปรียบเชิงควอนตัมแบบเอ็กซ์โพเนนเชียลที่เป็นไปได้ในเคมีควอนตัม ที่นี่เรารวบรวมหลักฐานสำหรับกรณีนี้ในงานที่พบบ่อยที่สุดในเคมีควอนตัม กล่าวคือ การประมาณค่าพลังงานในสถานะพื้นดิน เราสรุปได้ว่ายังไม่พบหลักฐานที่แสดงถึงความได้เปรียบแบบเอ็กซ์โพเนนเชียลในพื้นที่เคมี แม้ว่าคอมพิวเตอร์ควอนตัมอาจยังคงพิสูจน์ได้ว่ามีประโยชน์สำหรับเคมีควอนตัม แต่ก็ควรระมัดระวังที่จะถือว่าการเร่งความเร็วแบบเอกซ์โปเนนเชียลไม่พร้อมใช้งานโดยทั่วไปสำหรับปัญหานี้

นักวิจัยจากเบิร์กลีย์และที่อื่นๆ ได้ตรวจสอบกรณีของสมมติฐานความได้เปรียบเชิงควอนตัมแบบเอกซ์โปเนนเชียล (EQA) สำหรับงานหลักในการกำหนดสถานะภาคพื้นดินในเคมีควอนตัม EQA เวอร์ชันเฉพาะที่พวกเขาตรวจสอบจำเป็นต้องมีการเตรียมสถานะควอนตัมให้เป็นเรื่องง่ายแบบเอกซ์โพเนนเชียล เมื่อเทียบกับการวิเคราะห์พฤติกรรมแบบดั้งเดิม และสำหรับการวิเคราะห์พฤติกรรมแบบคลาสสิกนั้นยากแบบทวีคูณ การจำลองเชิงตัวเลขเน้นย้ำว่าการศึกษาพฤติกรรมมีความจำเป็นเพื่อให้บรรลุการเตรียมสถานะพื้นควอนตัมที่มีประสิทธิภาพ ในเวลาเดียวกัน พวกเขาไม่พบหลักฐานสำหรับการปรับขนาดแบบเอ็กซ์โปเนนเชียลของการวิเคราะห์พฤติกรรมแบบคลาสสิกในชุดของปัญหาที่เกี่ยวข้อง อย่างหลังชี้ให้เห็นว่าการเตรียมสถานะควอนตัมสามารถทำได้อย่างมีประสิทธิภาพสำหรับปัญหาเดียวกัน อย่างไรก็ตาม เนื่องจาก EQA ขึ้นอยู่กับอัตราส่วนของต้นทุน จึงไม่นำไปสู่ ​​EQA

การคำนวณเชิงตัวเลขไม่ใช่ข้อพิสูจน์ทางคณิตศาสตร์ของเส้นกำกับที่เกี่ยวข้องกับขนาดและข้อผิดพลาด และไม่สามารถยกเว้น EQA ในปัญหาเฉพาะได้ อย่างไรก็ตาม ผลลัพธ์ของพวกเขาชี้ให้เห็นว่าหากไม่มีข้อมูลเชิงลึกใหม่และพื้นฐาน อาจขาด EQA ทั่วไปในงานนี้ การระบุระบบเคมีควอนตัมที่เกี่ยวข้องพร้อมหลักฐานที่ชัดเจนของ EQA ยังคงเป็นคำถามเปิด พวกเขาไม่ได้พิจารณางานอื่นใดนอกจากการกำหนดสถานะภาคพื้นดิน และไม่ได้ตัดทอนการเร่งความเร็วแบบพหุนาม ขึ้นอยู่กับรูปแบบที่แม่นยำ การเร่งความเร็วควอนตัมพหุนามอาจเชื่อมโยงกับข้อได้เปรียบทางควอนตัมที่เป็นประโยชน์ เนื่องจากแม้แต่อัลกอริทึมคลาสสิกแบบพหุนามก็ไม่ได้หมายความว่าจะสามารถหาวิธีแก้ปัญหาได้ในเวลาจริง ทั้งสองด้านอาจพิสูจน์ได้ว่ามีความสำคัญในการพัฒนาอัลกอริธึมควอนตัมในเคมีควอนตัมเพิ่มเติม