量子计算机上的量子化学模拟

在一份新报告中，该报告现已刊登在《科学进展》的封面并发表在《科学进展》杂志上，HansHonSangChan和牛津大学材料、化学和量子光子学研究团队生成了具有多达36个量子位的精确仿真量子计算机，以探索资源-节俭算法和模型二维和三维原子与单个和成对的粒子。

化学建模是量子计算机的一个自然属性，尽管现有方法无法开发近乎完美的量子比特。在这项工作中，量子化学家探索了从基态制备和能量估计到电子散射和电离动力学的一系列任务，以评估分裂操作模拟中的各种方法，以模拟几个分子的量子化学兴趣。基于网格的方法表现出色，为不易出错的量子计算时代让路。

通过实空间网格方法进行量子计算

量子化学家将量子计算机设想为化学预测和探索的变革性工具。虽然传统计算机可用于探索量子分子动力学以预测反应结果和实验观察结果，但硬件成本和持续时间可能会随着模拟粒子的数量呈指数增长。在这项工作中，Chan及其同事研究了基于真实空间网格方法在早期版本的量子计算机上加速化学动力学模拟的基本特征。

这些早期版本的量子计算机具有有限数量的纠错量子位。该团队对粒子对称性等特征进行了编码，以便在研究期间为复杂而有趣的分子提供最佳的资源缩放。

大多数量子计算机都存在噪声负担且成本高昂。因此，研究人员采取了不同的方法，通过部署经典计算资源来模拟小型但无噪声的量子计算机，从而模拟其中的量子分子动力学——直接检查成本和性能指标。虽然他们没有重复现有的经典网格技术来执行基于网格的模拟，但他们对真实的、无噪声的量子机器进行了模拟，以用于化学相关的量子动力学。

使用PITE技术制备二维氢的基态。该方法在1+2×10-qubit量子计算机上进行了仿真。始终选择成功的结果。主图显示传播态与解析本征态的重叠。底部显示了在虚时间演化期间在标记点采样的电子概率密度的缩放横截面。右上角显示了以相同比例绘制的相同概率密度。图片来源：科学进步(2023)。DOI:10.1126/sciadv.abo7484

量子化学的新方法

模拟的成本将量子计算机模拟限制在包含36个完美量子位的中等大小版本。该团队使用实验装置探索了几个信息场景，用于单电子和双电子系统的2D和3D模拟。他们选择了化学中两个关键的兴趣领域，并估计了模拟强外场动力学所需的量子资源，然后模拟了粒子散射动力学。

在第一个实验中，该团队突然施加了一个外场，导致偶极子振荡和单个束缚电子的电离。他们设想在这个方向上的努力包括光化学和激光激发等主题。物理学家和量子化学家认为小分子的相干量子调节是化学科学的“圣杯”之一。例如，该过程可以让科学家在去除氢原子的背景下研究氨，以探索其在现代农业中的潜力。

在第二种情况下，该团队检查了与光谱学、天体化学和制造过程相关的电子分子散射，因为碰撞和散射过程是高度动态的，很难进行经典建模。

海浪模拟

科学家们使用分裂算子量子傅立叶变换(SO-QFT)哈密顿模拟方法来执行波包操作，并展示了一系列结果，这些结果适用于使用单个和成对粒子的2到3D系统的基于网格的方法。根据结果​​，他们评估了模拟所需的量子资源，以提供合适的量子硬件架构。

数值结果导致通过QuEST、QuEST-link和pyQuEST等开源工具实现量子处理器的仿真。他们探索了量子比特的数量并估计了执行的持续时间以实现给定精度的模拟，并研究了一种基于采样的方法来估计系统能量的场景，事实证明这种方法对缺陷高度敏感。他们估算了伴随的量子资源成本，并指出了合适的量子计算机的硬件布局。

方法和3D模拟

研究团队探索了单辅助迭代相位估计(IPE)测量以预测激发态。IPE电路对于实践中的近期量子计算很有趣也很重要。结果用于能量估计，团队采用替代方法在基于概率虚时间演​​化(PITE)的量子计算机上准备实空间基态，并模拟了二维氢的基态，同时详细说明了该方法的缺点。他们进行了两种量子动力学模拟场景，这些场景依赖于两种场景：1)强外场电离，以及2)对电子-电子散射的依赖。

该团队接下来引入了增强分裂算子(ASO)，通过向基本SO-QFT(分裂算子量子傅里叶变换)循环提供额外元素来优化模拟的保真度。如本文所示，当使用所有数值研究常见的严格库仑相互作用时，ASO方法具有高度相关性。使用该设置，他们在3D中模拟了氦原子的动力学。他们使用薛定谔方程来近似氦原子的真实电子本征态，并使用Bhattacharya系数来表示氦原子模拟的电子-电子相互作用和时间演化。

量子计算资源和架构

量子化学家研究了进行超出经典算法范围的量子建模所需的资源，并调整了适合此类表达式的量子架构。他们估计了模拟六氟乙烷(C2F6)和氨(NH3)分子感兴趣的量子场景所需的量子比特数。C2F6基于网格的模拟需要大约2250个计算量子位，而氨分子需要不到450个量子位。

仿真的时间成本还取决于硬件实现。因此，相对于深度算法和错误率，最容易理解的代码需要每个逻辑量子比特有数百个物理量子比特，这与当今最好的量子计算机原型相当。研究人员还设计了一种多核网络架构来支持理论上的大规模量子比特。

通过这种方式，HansHonSangChan及其同事探索了分裂算子量子傅立叶变换(SO-QFT)方法来模拟精确的量子位并测试真实空间量子化学模拟背后的技术。他们探索了几种已知的量子技术，并介绍了一些其他技术来传达量子模拟的关键方面。科学家们描述了在早期容错量子计算机上实现数字实验的基础资源。

通过用机器学习增强物理实验来加速化学发现，结果可以是一个学习/预测周期。结果可能会导致量子技术的不同领域，包括狭义相对论来模拟高能粒子以及在金融工程中发挥作用。