作者 | 青 暮
准确的电子结构盘算被以为 是量子盘算最令人期待的应用之一，它将彻底改变理论化学和其他相关领域。
由于量子系统的参数数目 和重大 度都随粒子数的增添 而指数级增添 ，因此除了极小的系统以外，所有其他量子化学方程式都无法获得准确 解。
量子盘算机可以使用 奇异 的量子力学特征 来处置赏罚 其经典盘算机难以举行 的盘算，从而可以实现重大 化学历程的模拟。
使用 Sycamore量子处置赏罚 器，谷歌AI量子团队最先 往这个偏向探索。他们对两其中等规模的化学问题举行 了变分量子本征求解器（VQE）模拟，划分求解了氢链的团结 能（包罗H6、H8、H10、H12）和二氮烯的异构化机制，相关研究论文《Hartree-Fock on a superconducting qubit quantum computer》刊登在Science封面上。
据Sundar Pichai在推特上先容 ，这是有史以来最大规模的量子化学模拟，而且是首次使用 量子盘算机模拟化学反映。
现在 的量子盘算机足以在某些使命 上获得相对于经典盘算机的显着 优势。2019年10月，谷歌的一项关于量子盘算的研究登上了Nature封面。他们用53个量子比特的量子盘算机Sycamore实现了量子优越性。
论文中指出，他们的量子盘算机用3分20秒完成了一项使命 ，而超级盘算机Summit则需要1万年才气完成同样的使命 。IBM 的研究者厥后揭晓 论文纠正道，在Summit上模拟Sycamore基础不需要1万年，只需要两天半。只管 IBM并没有举行 实验，但这一结论也获得了行业专家的认可。不外，3分20秒相对于两天半仍然是重大 的优势。
Sycamore量子处置赏罚 器由54个transmon量子位的二维阵列组成。每个量子比特可调谐地耦合到矩形格子中的四个最近邻量子比特。
谷歌对多达12个量子比特（包罗多达72个两比特量子门）的超导量子电路举行 了仿真，效果 批注 ，当VQE与错误缓解战略团结 使用时，可以实现足够的化学精度。其中，VQE算法的要害构建块有望扩展到经典盘算机无法模拟的更大规模系统。
2017年9月14日，IBM的一篇论文《Hardware-efficient Variational Quantum Eigensolver for Small Molecules and Quantum Magnets》揭晓 在Nature上。在这项研究中，IBM演示了6量子比特的哈密顿问题的实验优化，确定了分子尺寸一直 增添 （直至BeH2）的基态能量。
谷歌体现，他们只盘算了化学系统的Hartree-Fock迫近，但其规模两倍于IBM的量子化学模拟，仅需要最近邻耦合，而且包罗了10倍的量子门操作。
最后，谷歌还宣布了该实验的代码，该代码基于OpenFermion开源库（用于化学量子盘算）。
Science论文地址：https://science.sciencemag.org/content/369/6507/1084
arXiv地址：https://arxiv.org/abs/2004.04174
GitHub地址：https://github.com/quantumlib/ReCirq/tree/master/recirq/hfvqe
Google的Sycamore处置赏罚 器安装在低温恒温器中，最近用于证实 量子优越性和量子盘算机上最大的量子化学模拟。图片泉源 ：Rocco Ceselin
1 用于化学模拟的错误鲁棒量子算法
使用 量子盘算机，有多种要领可以模拟分子系统的基态能量。在这项事情中，谷歌从量子算法“构件块”或电路图元出发，并通过VQE完善其性能（稍后会详细先容 ）。
在经典设置中，该电路图元等效于Hartree-Fock模子 ，而且是谷歌先前为优化化学模拟而开发的算法的主要 电路组件。因此，谷歌在之后专注于扩大规模，而不需要破费 大量的仿真来验证装备 。在靠近 “逾越传统”的界线 时，在该组件上的鲁棒错误缓解对于准确的仿真至关主要 。
量子盘算中的错误源于量子电路与情形 的相互作用，从而导致逻辑运算泛起错误。纵然很小的温度颠簸也可能导致量子比特错误。
在当下，用于模拟化学反映的量子算法必须以较低的成本解决这些错误，无论是在量子比特的数目 方面，照旧在特另外 量子资源方面，例如实现量子纠错码。
解决错误最盛行 的要领是使用VQE。谷歌选择了几年前开发的VQE，它将量子处置赏罚 器看成神经网络，并通过最小化成本函数来优化量子电路的参数。就像传统的神经网络可以通过优化填补 数据中的缺陷，VQE可以动态调整量子电路参数以解决量子盘算历程中发生的错误。
图1：基础旋转电路和编译。a）电路图的左边是H12链的初始轨道，原子间距为1.3 A，是通过将哈密顿量对角化而忽略电子-电子相互作用而获得的。电路图描绘了十二个氢原子线性链的基本旋转ansatz。每个具有旋转角度θ的灰色框代表一个Givens旋转门。b）将Givens旋转门编译为√iswap门和单量子比特门，可以直接在硬件中实现。H12电路涉及72个√iswap门和108个单量子比特Z旋转门，总共有36个变分参数。c）在整个54比特Sycamore器件的子网格上描绘十二个量子线。所有电路仅需要执行在线性拓扑中相邻的量子比特对之间的量子门。
2 通过Sycamore实现高精度模拟
该实验在Sycamore处置赏罚 器上运行。只管 这次的实验需要的量子比特更少，可是 求解化学键合需要更高的量子门保真度。于是，谷歌开发了新的、有针对性的校准手艺 ，该手艺 可以最优地放大错误，从而可以对其举行 诊断和纠正。
图2：在Sycamore处置赏罚 器的10、12量子比特上，通过Hartree-Fock模子 对分子几何形状举行 能量展望 ，展示了VQE在区分二氮烯异构化机制上的性能，异构化指的是二氮烯的顺式（cis）和反式（trans）结构。TS1和TS2划分是氢在平面内清静 面外旋转的过渡状态。TS1和TS2上的黄色箭头体现响应 的反映坐标。在上图中，实曲线是通过优化10个量子比特问题获得的能量，该问题是通过冻结由两个自洽场周期天生 的焦点轨道而天生 的。相同颜色的透明线是完整的12量子比特系统的能量，批注 冻结最低的两个能级不会更改模子 化学的特征 。谷歌使用VQE在Sycamore上模拟了反映路径上的九个点。
量子盘算中的错误来自量子硬件客栈 ，有多种泉源 。Sycamore有54个量子比特，由140多个单独可调的元件组成，每个元件都由高速的模拟电脉冲控制。要实现对整个装备 的准确 控制，需要对2,000多个控制参数举行 微调，纵然是细小 错误也可以迅速让盘算中的总体错误扩大。
为了准确地控制装备 ，谷歌使用了自动化的框架，该框架将控制问题映射到具有数千个节点的图形上，每个节点代表一个物理实验以确定一个未知参数。遍历此图可实现高保真量子处置赏罚 器，而且可以在不到一天的时间内完成。最终，这些手艺 与算法错误缓解手艺 一起降低了错误的数目 级。
图3：氢原子线性链的能量随着每个原子之间的键距增添 而增添 。实线是使用经典盘算机举行 的Hartree-Fock模拟，而点是使用Sycamore处置赏罚 器盘算获得的。在H8、H10和H12上举行 的实验批注 ，缓解错误后性能获得了相似的提高。
谷歌体现，希望该实验可以作为在量子处置赏罚 器上举行 化学盘算的蓝图，以及作为实现物理模拟优势的起点。
他们还提到，现在 已经相识 了怎样 以一种简朴的方式修改实验中使用的量子电路，以使它们不再有用 地可仿真，并体现这将为刷新 的量子算法和应用确定新的偏向。
[博文视点赠书福利]
AI科技谈论 团结 博文视点赠予 周志华教授“森林树”十五本，在“周志华教授与他的森林书”一文留言区留言，谈一谈你和集成学习有关的学习、竞赛等履历 。
AI 科技谈论 将会在留言区选出15名读者，每人送出《集成学习：基础与算法》一本。
运动规则：
1. 在“周志华教授与他的森林书”一文留言区留言，留言点赞最高的前 15 位读者将获得赠书。获得赠书的读者请联系 AI 科技谈论 客服（aitechreview）。
2. 留言内容会有筛选，例如“选我上去”等内容将不会被筛选，亦不会中奖。
3. 本运动时间为2020年8月23日 - 2020年8月30日（23:00），运动推送内仅允许中奖一次。