哥伦比亚大学和谷歌量子人工智能团队合作，在“悬铃木”量子计算机上最多使用16个量子比特计算分子基态能量，这是迄今为止在量子计算机上进行的最大规模的量子化学模拟。相关成果于3月16日发表在《自然》杂志。
基态能量受一些变量的影响，比如分子中的电子数、它们的自旋方向以及它们围绕原子核运行时的路径。这种电子能量可以由薛定谔方程解出。在经典计算机上求解这个方程，难度随着分子变大呈指数级增长。如何利用量子计算机绕过量子化学模拟中计算资源指数增长问题一直是一个热门研究课题。原则上，量子计算机应该能够像求解薛定谔方程所需要的那样，利用量子叠加态的优势（不同于由0和1组成的二进制数字或比特，量子比特可以同时处于0和1的叠加态），处理指数级或更复杂的计算。然而，量子比特是脆弱且容易出错的：使用的量子比特越多，最终的答案就越不准确。
哥伦比亚大学和谷歌量子人工智能项目研究人员提出了一种方法，利用经典计算机和量子计算机的组合能力，在最小化量子计算机错误的同时，更有效地求解化学方程。经典计算机可以处理算法中大部分量子蒙特卡罗模拟（QMC），量子计算机“悬铃木”跳到了最后一步，也是计算上最复杂的一步：计算一个试探波函数（量子计算机可以实现的基态能量的数学描述的一个猜测）和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，称为边界条件，保证了计算的统计效率。该团队通过实验演示了该方案，使用多达16个量子比特在多达120个轨道的化学系统上执行无偏约束QMC计算。这是在量子计算机的帮助下进行的最大规模的化学模拟。
这项新工作中的混合经典—量子计算与一些最好的经典方法一样精确。这个工作表明，使用量子计算机有可能更准确和/或更快地解决问题。“解决更大和更具挑战性的化学问题的可行性只会随着时间的推移而增加，”论文作者之一的Lee说，“这给了我们希望，正在开发的量子技术将具有实际用途。”
报道链接：https://phys.org/news/2022-03-quantum-molecular-energy.html