计算化学方程的新算法

量子计算机正在变得越来越大，但利用它突出的计算能力的实用方法仍然少之又少。研究人员已经在现有的量子计算机上尝试了一些简单的模拟，比如谷歌的量子处理器悬铃木（Sycamore）已经进行了有关化学键、高温超导和纳米线的模拟，甚至还模拟出了时间晶体等奇异物质相。

另一方面，科学家也越来越意识到经典计算机的局限，尤其是，当量子力学定律被转化为经典计算机可运行的程序时，经常会出现运行时间或内存量与模拟的物理系统大小“比例完全失调”。

为了克服这这些障碍，研究人员开始设计特殊的算法，让经典计算机到量子计算机的过渡变得更加简单自然。近日，在《自然》上发表的新研究中，一组研究团队公布了一种新的算法，它能有效地减少量子比特在处理化学方程时产生的统计错误，并降低噪声。

这种算法由化学家和量子计算机方面的研究人员共同开发，在谷歌53个量子比特的量子计算机悬铃木上使用了多达16个量子比特，来计算基态能量，也就是一个分子的最低能量态。这是有史以来在真正的量子设备上进行的最大量子化学计算。

经典-量子混合计算

基态能量受各种变量的影响，比如分子中电子的数量、它们自旋方向以及它们围绕原子核运行时的路径。这种电子能量被编码在薛定谔方程中。随着分子越来越大，在经典计算机上解这个方程的难度呈指数级增长。

从原理上来说，量子计算机有能力处理复杂程度和体量呈指数级变化的计算，比如解薛定谔方程所需的那些计算，因为它们的量子比特恰恰利用了量子态的独特优势。与由1或0组成的比特不同，量子比特可以同时存在于0和1的叠加状态。但问题是，量子比特也非常脆弱，很容易出错。使用的量子比特越多，最后的答案就越不准确。

新研究中的这种新算法，则利用了经典计算机和量子计算机的结合力量，从而更有效地解化学方程，并最大限度地减少量子计算机的错误。

这一算法使用了量子蒙特卡罗技巧，当有大量未知的随机变量在起作用时，这是一个计算概率的方法系统。研究人员使用了他们的算法来确定三种分子的基态能量，包括使用8个量子比特对H 的计算，12个量子比特进行的N 分子的计算，以及16个量子比特对一个固体金刚石晶体中两个碳原子能量的计算。

一台经典计算机可以处理算法中大部分量子蒙特卡罗模拟，悬铃木则加入计算最复杂的步骤：计算试验波函数（由量子计算机执行的对基态能量的数学描述的猜测）与样本波函数之间的重叠，这是蒙特卡罗统计过程的一部分。这种重叠为蒙特卡罗抽样提供了一组约束条件，也就是所谓的边界条件，它确保了计算的统计效率。

经典计算机和量子处理器之间的这种分工，帮助团队最好地利用了两种资源。研究已经证明，即使在量子计算机上使用基态的低分辨率近似（仅仅几个编码电子位置的量子比特），经典计算机也能有效地解出一个更高分辨率的版本（电子位置更现实化的结果）。

完善量子计算化学

先前解决基态能量的纪录使用了12个量子比特和一种叫作变分量子本征求解器（VQE）的方法。但VQE忽略了相互作用的电子的影响，这其实是计算基态能量的一个重要变量，而新研究中的量子蒙特卡罗算法则囊括了这一变量。

这项新工作中的经典-量子混合计算与一些最好的经典方法一样精确。这表明，使用量子计算机可以帮助更准确、快速地解决问题，这是量子计算的一个关键里程碑。

研究人员相信，增加经典计算机的虚拟关联技术可以帮助化学家处理更大的分子。他们希望继续调整算法，让计算效率不断提升，同时工程师也将努力建造更好的量子硬件，利用已经拥有的工具和最先进的量子信息科学来完善量子计算化学。

掌握了准确计算基态能量的能力，就能帮助化学家开发新型材料。这一算法的应用前景非常广泛，比如设计材料、加速农业固氮、水解获得清洁能源等等，实现更多可持续性的目标。

#创作团队：

编译：Takeko

排版：雯雯

#参考来源：

https://news.columbia.edu/news/toward-quantum-computer-calculates-molecular-energy

https://ai.googleblog.com/2022/03/hybrid-quantum-algorithms-for-quantum.html

#图片来源：

封面图：Nicoletta Barolini/Columbia

首图：Erik Lucero, Research Scientist and Lead Production Quantum Hardware

关键词：计算化学方程的新算法量子计算机