SHUTTERSTOCK

來源：IEEE電氣電子工程師

━━━━

利用谷歌的Sycamore量子處理器，科學家們進行了迄今為止涉及量子計算機的最大規模的化學模擬。他們采用了一種新技術，可能有助于抵抗量子電路中常見的噪聲。

量子計算機理論上可以實現量子優勢，在那里他們可以找到經典計算機無法解決的問題的答案。量子計算機擁有的被稱為量子比特的組件越多，其計算能力就可以以指數方式增長。

量子計算機最接近的術語應用或可是化學，例如，模擬分子反應，可能產生對下一代電池或新藥的見解。隨著分子變得越來越大，執行這類模擬變得越來越復雜，這對傳統計算來說可能是一個巨大的挑戰，但也將是量子計算機可以克服的。

在這項新的研究中，來自谷歌Quin AI，哥倫比亞大學和加利福尼亞大學伯克利的研究小組使用了一種蒙特卡洛（Monte Carlo）算法，它本質上把問題當作游戲，通過許多隨機模擬來解決。具體來說，他們依賴于為費米子（一類包含電子的粒子）的量子物理模型設計的蒙特卡羅算法。

通常，在經典計算機上運行的費米子量子蒙特卡羅算法無法很好地模擬大分子。研究人員發現，結合經典計算和量子計算的混合方法可以幫助他們的費米子量子蒙特卡羅算法克服這一障礙。

在實驗中，研究人員在谷歌的53量子位量子計算機上使用了多達16個量子位來計算分子的基態，即它們能量最小的基態。分子的基態受一些因素的影響，比如它所擁有的電子數，以及這些電子繞原子核運行時的路徑。

研究人員模擬了分子H4、分子氮和固體鉆石。這些涉及多達120個軌道，即一個或多個電子在原子或分子中形成的電子密度模式。這是迄今為止在量子計算機幫助下進行的最大規模的化學模擬。

一臺經典計算機實際上可以處理大部分費米子量子蒙特卡羅模擬。量子計算機在最后一個計算最復雜的步驟中介入，計算量子計算機和經典計算機對基態的估計之間的差異。

之前的量子計算化學模擬記錄使用了12個量子位和一種稱為變分量子本征解算器（variational quantum eigensolver，VQE）的混合算法。然而，與這種新的混合方法相比，VQE有許多局限性。例如，當一個人想要從VQE中得到非常精確的答案時，即使量子電路中的少量噪聲“也會在我們對能量或其他性質的估計中造成足夠大的誤差”，該研究的合著者、加州Mountain View谷歌量子人工智能的量子物理學家William Huggins說。

此外，該研究的合著者、紐約哥倫比亞大學量子物理學家Joonho Lee說，“VQE也可能需要很長時間來進行足夠的測量，以獲得非常精確的答案。除此之外，我們經常需要優化量子電路的參數，以準備一個良好的基態近似值，這可能會給整個過程增加更大的復雜性。”

這種方法的一個潛在問題是量子比特很脆弱，容易出錯。然而，盡管VQE在量子電路中需要非常小的噪聲才能獲得非常精確的基態估計，但這種新技術卻不需要，這意味著“我們有時可以避開更多的噪聲，”Huggins表示，“我們已經超越了人們有史以來最大的VQE，我們認為，即使在如今嘈雜的量子計算機上，我們也可以將其做得更大。”

“事實上，我們在論文中提供的證據表明，即使是我們最大的實驗，芯片上的噪聲也不是限制因素，”Lee說，“相反，我們對近似基態的電路設計不夠雄心勃勃。這告訴我們，即使不開發新的理論工具，我們也有機會進一步擴大我們目前的方法，考慮到在嘈雜的設備上精確計算量子化學是多么困難，這是一個真正的希望燈塔。”

這項新技術的準確度幾乎與目前最好的經典方法相當。Huggins說，“未來，他們希望能夠取得足夠的進展，使對經典算法構成挑戰的問題的攻擊變得切實可行。不過，歸根結底，我們預計，利用我們今天甚至明天的嘈雜量子計算機，獲得量子化學的實際優勢將是一項極具挑戰性的任務。”

Lee說，“研究人員的下一步是進行更大的實驗，隨著我們在開發和理解新算法方面取得進展，我們也期待著硬件和控制它的軟件方面的新進展將使我們的工作更加輕松。”

研究人員在3月16日的《自然》雜志上詳細介紹了他們的發現。

未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）大腦研究計劃，構建互聯網（城市）大腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。每日推薦范圍未來科技發展趨勢的學習型文章。目前線上平臺已收藏上千篇精華前沿科技文章和報告。

??如果您對實驗室的研究感興趣，歡迎加入未來智能實驗室線上平臺。掃描以下二維碼或點擊本文左下角“閱讀原文”

總結

以上是生活随笔為你收集整理的量子计算机首次成功模拟化学反应的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。