2022 年最先进的量子化学

量子化学非常难。 最好的量子计算化学似乎处于 12 个量子位/12 个原子的水平。 超级计算机模拟可以处理 20 个量子位和 20 个原子的模拟。 早期的论文表明经典超级计算机可以达到 100 个原子和 1000 个量子位来进行某些类型的模拟。 量子计算机正在推动多达 35 个高保真捕获离子，并且正在努力利用量子计算机实现卓越的错误缓解和错误抑制以及最终的错误校正。 超级计算机和量子系统的算法不断取得突破，许多拥有不同量子技术​​的竞争对手都希望取得突破，扩展到数以千计的量子位，并开发更卓越、更高效的错误管理。

2022年有一篇论文，在神威超级计算机上进行了量子模拟。 现阶段，量子计算的经典模拟对于量子算法和量子计算架构的研究至关重要，尤其是像VQE这样的启发式量子算法。 迄今为止在量子计算机上进行的最大的 VQE 实验使用了 12 个量子位。 量子化学中与工业相关的量子计算优势预计将出现在大约 38 ≤ N ≤ 68 量子位（在纠错量子位的假设下），这与电子结构问题有关，包括
19 ≤ N ≤ 34 个电子。

与RQC（随机量子电路）相比，VQE（变分量子本征解算器）对量子计算机和经典计算机的要求都要高得多，例如，典型的量子计算化学模拟中涉及的CNOT门数量很快就超过了1万个常用的门。物理驱动的 ansatz，例如酉耦合簇 (UCC)。 此外，参数量子电路必须执行多次，这对于变分算法来说是典型的。 这些效应将当前使用经典计算机进行 VQE 的大部分研究限制在非常小的问题（小于 20 个量子位）上。 在 Sunway 架构上释放 Julia 编程语言并在超过 20 万个内核上高效运行也是一项极具挑战性的任务。 2022 年的工作为量子计算化学的大规模经典模拟设定了标准，并为近期噪声量子计算机上的 VQE 应用基准测试铺平了道路。

Q2 Chemistry 适用于量子计算化学的大规模模拟，基于密度矩阵嵌入理论和矩阵乘积态的结合，以减少系统大小的指数级内存缩放； 根据物理问题的性质和众核架构实现了定制的三级并行化方案； Julia 被用作主要语言，它既使编程变得更容易，又实现了接近本机 C 或 Fortran 的尖端性能； 对真实化学系统的研究证明了 Q2Chemistry 在蛋白质配体相互作用的计算定量方面的强大功能。 据他们所知，这是首次报道的量子计算化学模拟
使用 DMET-MPS-VQE 计算具有多达 100 个原子和 1000 个量子位的真实化学系统（使用 MPS-VQE 计算具有 200 个量子位），并可扩展到约 20 万个核心。 这为近期基准测试铺平了道路
VQE 在大约 100 个量子位的量子计算机上进行实验。

一项新的研究表明，对于现实世界感兴趣的问题，例如计算原子簇的能量状态， 量子模拟还没有比经典计算机更准确。

研究结果表明，量子计算机距离成为化学家和材料科学家有用的原子和分子模拟工具有多近。

加州理工学院的 Garnet Chan 和他的同事使用基于 Sycamore 的名为 Weber 的 53 量子位 Google 处理器对分子和材料进行了模拟。

该团队选择了当前感兴趣的两个问题，没有考虑它们是否适合量子电路。 第一个涉及计算固氮酶催化核心中铁 (Fe) 和硫 (S) 的 8 原子簇的能量状态。 这种酶破坏氮分子中的牢固键，这是称为固氮的重要生物过程的第一步。 了解这一过程的化学原理对于开发化学工业的人工固氮催化剂非常有价值。

精确量子模拟的主要障碍之一是噪声，即执行量子逻辑运算的“门”的切换及其输出状态的读取中的随机误差。 这些错误会累积并限制在噪声占主导地位之前计算可以执行的门操作数量。 研究人员发现，超过 300 个门的模拟被噪声淹没了。 但系统越复杂，需要的门就越多。 例如，Fe-S 团簇在自旋之间具有长程相互作用； 为了准确地表示，这种相互作用需要许多门。

模拟相当好地预测了 Fe-S 团簇的能谱和 𝛼-RuCl3 的热容，但前提是模拟系统不是太大。 对于 𝛼-RuCl3，该团队只能对晶格中非常小的 6 原子块获得有意义的结果； 如果他们将尺寸增加到仅 10 个原子，噪声就会淹没输出。 而门操作的限制意味着韦伯的量子资源中只有大约五分之一可以用于计算。

IonQ 捕获离子的最先进量子化学

量子计算因其比传统计算机更有效地解决某些计算问题的潜力而受到广泛关注，特别是自从 IBM 推出第一台可云访问的量子计算机以及 Google 展示了量子优势之后。 它最有前途的应用之一是有效地解决电子结构问题：为了说明这一点，考虑对于包含 N 个自旋轨道的问题，表示波函数所需的经典位数与 N 组合缩放，而在量子上
计算机只需要 N 个量子位。 量子计算机提供的指数优势激发了人们对开发量子算法来解决电子结构问题的大量研究。

变分量子本征求解器 (VQE) 算法专为当前的近期中尺度量子 (NISQ) 计算机而设计。 VQE 通过实现浅参数化电路来估计系统的基态，该电路经过经典优化以可变地最小化能量期望值。 VQE 算法允许用户选择参数化电路的形式。

价值 2 亿美元的俘获离子量子计算机公司 IonQ 发表了一篇研究论文。 他们创造了 12 个量子位和 72 个参数的新记录。 如果我没记错的话，Google 的 10 个原子和量子位的工作已经被 IonQ 的工作超越了。

IonQ 目前正在测试 35 个俘获离子量子位系统。 理论上，被捕获的离子应该能够实现物理上完美的量子位。 然而，整个系统中还有其他错误来源。

神威超级计算机在模拟原子和 IonQ 以及其他量子系统的经典机器上的工作将继续向前推进，并竞相模拟越来越大的物理原子和分子系统。

俘获离子量子计算机上的轨道优化成对相关电子模拟

变分量子本征求解器（VQE）是解决近期量子计算机上电子结构问题的最有前途的方法之一。 VQE 在实践中面临的一个关键挑战是，考虑到近期量子计算机上存在噪声量子操作的现实，需要在 VQE ansatz 的表达能力与实现 ansatz 所需的量子门数量之间取得平衡。 在这项工作中，我们考虑了具有单双峰 (uCCSD) ansatz 的酉耦合簇的轨道优化对相关近似，并报告了一种用于捕获离子架构的高效量子电路实现。 我们表明，通过低阶约简密度矩阵（RDM）的测量，轨道优化可以在不牺牲效率的情况下恢复显着的额外电子相关能量。 在小分子的解离中，当在无噪声量子模拟器上运行时，该方法可以在强相关区域中给出定性准确的预测。 在 IonQ 的 Harmony 和 Aria 俘获离子量子计算机上，我们运行具有多达 12 个量子位和 72 个变分参数的端到端 VQE 算法，这是量子硬件上具有相关波函数的最大完整 VQE 模拟。 我们发现，即使没有误差缓解技术，不同分子几何形状的预测相对能量也与无噪声模拟器非常一致。

量子化学中是否有指数量子优势的证据？

抽象
使用量子机械装置来模拟其他量子系统的想法通常归因于费曼。 自最初的建议提出以来，通过量子计算模拟分子和材料化学的具体建议已经出现，作为潜在的“杀手级应用”。 人工任务中潜在指数量子优势的迹象增加了人们对该应用的兴趣，因此，了解量子化学中潜在指数量子优势的基础至关重要。 在这里，我们在量子化学中最常见的任务（即基态能量估计）中收集了这种情况的证据。 我们的结论是，尚未找到化学空间中这种指数优势的证据。 虽然量子计算机可能仍然对量子化学有用，但谨慎的假设是指数加速通常不适用于此问题。

来自伯克利和其他地方的研究人员研究了指数量子优势（EQA）假设的情况，该假设是量子化学中基态确定的核心任务。 他们检查的 EQA 的特定版本要求量子态准备与经典启发式方法相比要容易得多，而经典启发式方法则要困难得多。 他们的数值模拟强调启发式对于实现有效的量子基态制备是必要的。 与此同时，他们没有在一组相关问题中找到经典启发式指数缩放的证据。 后者表明量子态制备可以有效地解决相同的问题。 然而，由于 EQA 是基于成本比率的，因此这并不能导致 EQA。

数值计算并不是在大小和误差方面渐进的数学证明，也不能排除特定问题中的EQA。 然而，他们的结果表明，如果没有新的基本见解，这项任务可能缺乏通用的 EQA。 识别具有 EQA 有力证据的相关量子化学系统仍然是一个悬而未决的问题。 他们没有考虑基态确定以外的任务，也不排除多项式加速。 根据精确的形式，多项式量子加速可能与有用的量子优势相关联，因为即使多项式经典算法也不意味着可以在实际时间内获得解决方案。 这两个方面对于量子化学中量子算法的进一步发展都可能很重要。