SHUTTERSTOCK

来源：IEEE电气电子工程师

━━━━

利用谷歌的Sycamore量子处理器，科学家们进行了迄今为止涉及量子计算机的最大规模的化学模拟。他们采用了一种新技术，可能有助于抵抗量子电路中常见的噪声。

量子计算机理论上可以实现量子优势，在那里他们可以找到经典计算机无法解决的问题的答案。量子计算机拥有的被称为量子比特的组件越多，其计算能力就可以以指数方式增长。

量子计算机最接近的术语应用或可是化学，例如，模拟分子反应，可能产生对下一代电池或新药的见解。随着分子变得越来越大，执行这类模拟变得越来越复杂，这对传统计算来说可能是一个巨大的挑战，但也将是量子计算机可以克服的。

在这项新的研究中，来自谷歌Quin AI，哥伦比亚大学和加利福尼亚大学伯克利的研究小组使用了一种蒙特卡洛（Monte Carlo）算法，它本质上把问题当作游戏，通过许多随机模拟来解决。具体来说，他们依赖于为费米子（一类包含电子的粒子）的量子物理模型设计的蒙特卡罗算法。

通常，在经典计算机上运行的费米子量子蒙特卡罗算法无法很好地模拟大分子。研究人员发现，结合经典计算和量子计算的混合方法可以帮助他们的费米子量子蒙特卡罗算法克服这一障碍。

在实验中，研究人员在谷歌的53量子位量子计算机上使用了多达16个量子位来计算分子的基态，即它们能量最小的基态。分子的基态受一些因素的影响，比如它所拥有的电子数，以及这些电子绕原子核运行时的路径。

研究人员模拟了分子H4、分子氮和固体钻石。这些涉及多达120个轨道，即一个或多个电子在原子或分子中形成的电子密度模式。这是迄今为止在量子计算机帮助下进行的最大规模的化学模拟。

一台经典计算机实际上可以处理大部分费米子量子蒙特卡罗模拟。量子计算机在最后一个计算最复杂的步骤中介入，计算量子计算机和经典计算机对基态的估计之间的差异。

之前的量子计算化学模拟记录使用了12个量子位和一种称为变分量子本征解算器（variational quantum eigensolver，VQE）的混合算法。然而，与这种新的混合方法相比，VQE有许多局限性。例如，当一个人想要从VQE中得到非常精确的答案时，即使量子电路中的少量噪声“也会在我们对能量或其他性质的估计中造成足够大的误差”，该研究的合著者、加州Mountain View谷歌量子人工智能的量子物理学家William Huggins说。

此外，该研究的合著者、纽约哥伦比亚大学量子物理学家Joonho Lee说，“VQE也可能需要很长时间来进行足够的测量，以获得非常精确的答案。除此之外，我们经常需要优化量子电路的参数，以准备一个良好的基态近似值，这可能会给整个过程增加更大的复杂性。”

这种方法的一个潜在问题是量子比特很脆弱，容易出错。然而，尽管VQE在量子电路中需要非常小的噪声才能获得非常精确的基态估计，但这种新技术却不需要，这意味着“我们有时可以避开更多的噪声，”Huggins表示，“我们已经超越了人们有史以来最大的VQE，我们认为，即使在如今嘈杂的量子计算机上，我们也可以将其做得更大。”

“事实上，我们在论文中提供的证据表明，即使是我们最大的实验，芯片上的噪声也不是限制因素，”Lee说，“相反，我们对近似基态的电路设计不够雄心勃勃。这告诉我们，即使不开发新的理论工具，我们也有机会进一步扩大我们目前的方法，考虑到在嘈杂的设备上精确计算量子化学是多么困难，这是一个真正的希望灯塔。”

这项新技术的准确度几乎与目前最好的经典方法相当。Huggins说，“未来，他们希望能够取得足够的进展，使对经典算法构成挑战的问题的攻击变得切实可行。不过，归根结底，我们预计，利用我们今天甚至明天的嘈杂量子计算机，获得量子化学的实际优势将是一项极具挑战性的任务。”

Lee说，“研究人员的下一步是进行更大的实验，随着我们在开发和理解新算法方面取得进展，我们也期待着硬件和控制它的软件方面的新进展将使我们的工作更加轻松。”

研究人员在3月16日的《自然》杂志上详细介绍了他们的发现。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”