Science封面| 谷歌实现全球首个量子化学模拟，用量子「计算」出化学反应过程

---

  新智元报道  

来源：science

编辑：白峰

【新智元导读】化学键是如何形成的？由于庞大的计算量和分子的复杂性，经典的计算方法难以揭示化学反应的真实过程。但最近，谷歌AI的研究团队成功把量子计算应用在了化学反应的模拟上，荣登Science封面。

 

Google AI Quantum团队发表量子计算新研究，荣登Science封面。

Jeff Dean和劈柴哥双双发推祝贺。

 

             

 

在这篇名为「Hartree-Fock on a Superconducting Qubit Quantum Computer」的研究中，谷歌AI量子团队实现了迄今为止最大规模的化学模拟计算，这也是量子计算首次被用来模拟化学反应。

 

             

 

在实验中，研究人员使用对噪声鲁棒的变分量子特征值求解算法(VQE)模拟了化学反应过程。

 

虽然计算集中在真实化学反应的 Hartree-Fock 近似上，但它是以前在量子计算机上进行的化学计算的两倍，并且包含了10倍的量子门操作。

 

Hartree-Fock：实现量子化学计算的核心「构建块」

 

用量子计算机模拟分子系统的基态能量有很多种方法。

 

在这项工作中，研究人员集中于一个量子算法「构建块」，并通过 VQE (后面将详细介绍)完善其性能。

 

在经典的设置中，这个「构建块」等效于 Hartree-Fock 模型，是谷歌量子团队先前为优化化学模拟而开发的一个算法的重要组成部分。

 

Hartree-Fock模型：凝聚态物理中的「电子-电子相互作用」是多体问题，无法获得解析解。因此需要一种能近似计算电子-电子相互作用能的方法，Hartree-Fock 方法就是其中的一种。其核心思路是平均场近似，将一个电子受其他所有电子的作用和用一个等效的场来表示。

 

有了这项基础工作，研究人员就可以专注于扩大规模，而不是花精力去验证设备的指数级模拟成本。

 

这个「构建块」是否稳健， 对扩展到「超越经典」规模后的精确模拟计算尤其重要 。

 

量子计算中的误差来自量子线路与环境的相互作用，即使是微小的温度波动也可能导致量子比特错误。

 

在量子装置上模拟化学的算法必须考虑这些误差，包括量子比特的数量或额外的量子资源，例如实现量子纠错码等。

 

本次实验中，研究人员选择了几年前开发的 VQE，它把量子处理器当作一个神经网络，并试图 通过最小化成本函数来优化量子电路的参数以适应复杂的量子逻辑 ，就像经典神经网络如何通过优化来拟合有缺陷的数据一样， VQE 通过动态调整量子电路参数来减少量子计算中出现的误差 。

 

遍历数千节点， Sycamore实现高保真量子计算

 

这个实验是在 Sycamore 处理器上进行的。

 

                利用Sycamore展示量子计算优势

 

虽然实验需要更少的量子比特，但是需要更高的量子门保真度来解决化学成键问题 ，团队为此开发了新的，有针对性的校准技术，可以放大误差，从而实现更好地诊断和校正。

      

10个量子比特的 Sycamore 处理器模拟 Hartree-Fock 模型预测分子几何构型的能量

 

量子计算中的错误可能来自于量子硬件堆栈中的各个部分。

 

Sycamore 有54个量子比特，由超过140个独立可调元件组成，每个元件都由高速模拟电脉冲控制。

 

要实现对整个设备的精确控制，需要对2000多个控制参数进行微调，即便一个很小的误差，都会导致最终计算结果出现较大的错误 。

 

为了精确地控制设备，谷歌使用了一个自动化的调参框架，将控制问题映射到一个有数千节点的图上，每个节点来确定一个未知参数。

 

遍历这个图就可以从设备的基本先验中调试出一个高保真的量子处理器，而且可以在一天之内完成。最终，这些技术和算法协同降低了最终误差的数量级。

       

左图：线性氢原子链的能量随着每个原子间键距的增加而增加。右图： 两个准确度量(失真和平均绝对误差)。「 Raw」是来自于 Sycamore 的原始误差。「+ PS」是一种通过纠正电子数量后的误差。「 + Purifcication」是一种为正确的状态进行修正后的误差。「+ VQE」是最终优化的结果。实线是用经典计算机模拟的 Hartree-Fock，点是用 Sycamore 处理器计算的。

 

谷歌AI量子团队希望这个实验可以作为量子化学计算的蓝图，并成为将物理模拟优势引入量子计算的起点。

 

最令人兴奋的是，通过这个实验，我们了解了 如何用简单的方式来修改量子电路，从而更精确地模拟化学过程 ，为量子算法的改进和应用指明了新的方向。

 

今天的量子计算机已经足够强大，可以在一些任务中获得明显的计算优势，量子化学的进展将迈上新的台阶。

 

此次实验 最重要的成果不是完成了量子化学模拟，而是验证了为当前量子计算机开发的算法能够达到实验预测所需的精确度 ，为量子化学的仿真模拟铺平了道路。

 

此外，谷歌团队已经发布了实验的代码，使用了此前在GitHub开源的量子化学开源项目 OpenFermion。

        

如果你有条件运行这些实验，可以直接从GitHub中找到实验的代码。

 

地址：

https://github.com/quantumlib/ReCirq/tree/master/recirq/hfvqe

 

量子化学：量子力学和化学的交叉产物

 

1925年和1926年，物理学家维尔纳·海森堡和埃尔温·薛定谔各自建立了矩阵力学和波动力学，标志着量子力学的诞生，同时也为化学家提供了认识物质化学结构的新理论工具。

 

1927年物理学家瓦尔特·海特勒和弗里茨·伦敦 将量子力学处理原子结构的方法应用于氢气分子，成功地定量阐释了两个中性原子形成化学键的过程 ，他们的成功标志着量子力学与化学的交叉学科——量子化学的诞生。

 

               

将量子理论应用于原子体系就属量子物理，如果用于分子体系就属于量子化学，我们可以简单这么区分。

 

通过量子力学对化学过程（比如化学键的形成）进行精确的计算预测是一种有效的方法 ，可以开启许多新的化学研究领域。

 

不幸的是，由于量子变量的指数级增长，除了demo系统以外，其他量子化学方程的精确解对于传统计算机来说显得太遥远。

 

但是量子计算机拥有传统计算机无法比拟的优势，强大的计算能力，可以实现任何复杂化学过程的模拟。

 

也许以后我们的化学课本中，可以清晰地看到化学键美丽的形成过程，而不是一个枯燥的化学方程式，「记住就行，反应就是这样的」。

参考链接：

https://ai.googleblog.com/2020/08/scaling-up-fundamental-quantum.html