【重磅】谷歌量子计算在量子化学领域取得实质突破

【新智元导读】Google Research 今日发文，自上月在 Nature 发文介绍最新通用量子计算机原型后，这一次谷歌研究员和多所高校合作，首次在没有耗费大量资源进行量子预编译的情况下，实现了对氢分子势能面的计算实验，结果在误差允许范围之内。量子化学是量子计算有望大幅加速的领域之一，该研究简化了预编译过程，为传统量子算法难以解决的复杂分子可变量子模拟（计算）提供了希望。新智元第一时间编译整理，介绍这项技术进步。

北京时间19日上午，谷歌量子软件工程师 Ryan Babbush 在 Google Research 发表博文，介绍了谷歌量子计算研究的最新进展。

Google Research 与伯克利实验室、UCSB、Tufts 大学和伦敦学院大学的研究人员合作，论文日前已经在同行评议期刊 Physical Review X 发表。

研究人员在论文中介绍了一项比较重要的突破——首次实现了在不需要耗费大量资源进行量子预编译的情况下（预编译指将信息处理成量子数据的过程），在量子计算机上对氢分子电子能级结构的计算。

量子化学是量子计算能够提供大幅度加速的一个有前途的领域。由于简化了预编程过程，该研究在技术上有不错的进步，能够更快计算出很多复杂的量子化学问题。

量子计算在量子化学领域取得实质突破

（文／Ryan Babbush）量子计算最广阔的一个应用前景，就是能够高效地建立自然界的量子系统，而这对于传统计算机而言是极其困难的。现在，我们与哈佛大学的 Aspuru-Guzik团队以及来自劳伦斯伯克利国家实验室、加州大学圣塔芭芭拉分校、塔夫茨大学、伦敦大学学院众多研究机构的研究人员合作，进行了首个完全可扩展的分子量子变相模拟（计算）。我们将实验结果写成论文，日前已经在 Physical Review X 发表。

我们实验的目的是，使用量子硬件来有效解决分子电子结构的问题，即在给定原子核组态的情况下让电子组态达到能量最低。为了预测化学反应速率（化学反应速率影响化学反应机理），计算结果必须要达到很高的精确度。

预测化学反应速率的能力会革新太阳能电池、工业催化剂、电池、柔性电子产品、药品、材料等的设计。主要困难是这些分子系统会形成高度纠缠的量子叠加态，要高精度地展示该叠加态就需要巨大的传统计算资源。例如，精确计算甲烷（CH4）的能量需要1秒钟，但是计算乙烷（C2H6）的能量就需要10分钟，而丙烷（C3H8）则需要10天。

在这个实验里，我们采用了“可变量子本征求解（variational quantum eigensolver，VQE）这一方法，该方法可以理解为是神经网络的量子模拟。经典的神经网络是一张参数图，这是为了建立传统数据模型；而 VQE 这张参数图（例如量子线路），是为了建立量子数据模型（例如分子波函数）。

通过使用 VQE，我们对氢气分子H2 的能量全景图（energy landscape）进行了量子计算。我们将 VQE 的表现与另一种用于传统化学量子算法——相位估值算法（PEA）进行比较。使用 VQE 实验计算出的能量值表示为 H - H 键长度的函数，如下图所示。

可以看出，在实验中 VQE 能取得这么高的表现，是因为神经网络训练回路（ training loop） 帮助建立实验最佳线路参数，表示存在系统控制误差的情况下的波函数。

这可以理解为神经网络的硬件实现有一个权重错误，例如，显示的权重只有实际权重的一半。因为神经网络的权重是通过一个闭环的训练程序确定的，可以弥补系统误差，该硬件神经网络能够承受这样的瑕疵。同样，尽管VQE线路的实现过程存在系统误差，我们仍然能够得到一个准确的波函数模型。因此，可以期待 VQE 在不用进行量子纠错的情况下解决经典的棘手问题。

虽然氢分子的能量可以通过传统方法计算（只是效率低），但是当大规模增加量子硬件时，就有可能模拟更大的化学系统，包括那些很难操作的系统。例如，只有100个可靠的量子比特也能就室温下细菌生产肥料的过程建立模型。解释这个机制，在化学界是很有名的一个待解决问题。这是因为人类生产肥料的方式极其低效，而且每年还要消耗世界能源的1~ 2%。

量子理论的出现使定性或描述性的化学模拟向定量或预测性化学模拟转变。即使面临许多理论和实验上的挑战，量子理论仍然给这个领域带来巨大的变革，今后的应用还会有更多更多。

论文介绍

• Scalable Quantum Simulation of Molecular Energies
• 对分子能量的可扩展量子模拟（计算）

作者在本论文中首次实现了在不需要耗费大量资源的量子预编译的情况下，在量子计算机上对氢分子电子能级结构的计算。作者使用了可编程的超导量子比特阵列，使用两种不同的量子算法，分别是“可变量子本征求解”（variational quantum eigensolver，VQE）和“相位估值算法”（Phase Estimation Algorithm，PEA），对氢分子的势能面进行了计算实验。

在使用相位估值算法（属于量子化学的传统量子算法）时，实验结果不怎么理想，因为耗费大量资源，计算只能进行一小步，无法达到化学精度。但研究人员使用另一种量子算法，即可变量子本征求解算法，实验结果获得了足够的化学精度。

VQE的硬件、软件图解。（硬件）显微图显示了2 XMON transmon的量子比特和微波的脉冲序列来进行单个量子比特旋转（粗线），直流脉冲为2量子比特缠结门（虚线），微波光谱色调为量子比特测量（细线）。（软件）量子电路图显示准备Hartree-Fock状态。

试验结果表明，作者设计的 VQE 对特定类型的误差具有鲁棒性，比传统的量子相位估值算法（如 PEA）等量子门算法可适应性更高。该结果为传统量子算法难以解决的复杂分子可变量子模拟（计算）提供了希望，也拉开了量子计算在化学领域实际应用的序幕。

VQE：原始数据和计算出的能面。(a)图，数据显示的是Eq. (1)的期待值，Eq. (1)在Eq. (3)中是θ,的函数。最靠近数据的黑线表示理论值。(b)图，实验计算得出的能量值与θ、R的函数关系。能面根据Eq. (4)计算得出。