机器心脏释放
作者:字节跳动人工智能实验室研究团队
化学和材料系统的模拟很可能是第一个被量子计算机颠覆的行业。变分量子本征值求解器(vqe)在最近的中等规模的含噪声装置中显示出巨大的化学模拟潜力。2020年，谷歌利用“悬铃木”量子芯片实现了二亚胺(N2H2)异构化反应的量子计算，相关成果发表在《科学》杂志上。然而，在不久的将来可以实现的量子硬件的尺寸和保真度仍然面临着明显的限制，这对量子计算机模拟更真实的化学和材料系统提出了挑战。
针对这一问题，字节跳动AI实验室研究团队联合清华大学化学系帅志刚、中科院计算所孙小明、北京大学宵远和牛津大学孙赵晋博士提出了密度矩阵嵌入理论(DMET)结合VQE (energy-sorting VQE，ESVQE)的思想，可以减少分子系统模拟所需的比特数和电路深度。这是第一个研究大规模分子系统量子计算模拟的系统方法。此外，该工作首次实现了只用16位量子计算机模拟144位C18，并准确预测了其稳定的几何结构。相关研究成果于2022年发表在国际顶级期刊《化学科学》上。
论文链接:https://pubs . RSC . org/en/content/article dpdf/2022/sc/d2sc 01492k
密度嵌入理论的核心是将研究系统按照空进行分片，低精度计算整个系统的平均场，高精度计算每个小系统。
其中，高精度计算在量子计算机上进行，低精度计算(如Hartree-Fock计算)可以在经典计算机上进行。在这项工作中，通过调节化学势实现了低精度计算和高精度计算的自洽。
为了验证这种算法的有效性，作者进行了一系列的数值模拟试验。首先，在一维氢链H10的基准测试系统中，作者发现DMET-ESVQE可以达到与FULCI精确解相同的精度。
随后，将该算法应用于C6H8的氢化和C18分子的平衡几何。数值试验表明，DMET-ESVQE能准确模拟化学反应势垒，正确预测C18分子的平衡几何。同时，DMET-ESVQE可以将VQE所需的量子比特数减少一个数量级。
为了进一步测试DMET-ESVQE在真实量子硬件上的性能，作者进一步使用带噪声的数值模拟器对一维氢链系统进行了基准测试。结果表明，随着测量次数的增加，DMET-ESVQE的结果迅速收敛，采用误差抑制后，去极化噪声的影响可以得到有效控制。
这项工作表明，DMET-ESVQE是模拟真实化学体系的有力武器，并显示了量子硬件在不久的将来解决实际化学问题的可能性。随着量子计算硬件的成熟，基于量子嵌入式仿真的量子计算将有可能帮助量子计算机解决强关联系统。此外，在量子解算器上，可以进行更多的扩展工作。比如我们也可以探索更浅的量子电路。在除法系统上，可以探索更好的经典除法方法，以适应更大规模的系统。同时可以考虑一个新的目标函数，通过自洽场迭代进一步提高精度。
团队介绍
字节跳动AI-Lab NLPResearch专注于人工智能领域的前沿技术研究，涵盖自然语言处理、机器人等技术研究领域。同时致力于将研究成果落地，为公司现有产品和业务提供核心技术支持和服务。团队的技术能力正在通过火山引擎对外开放，赋能AI创新。
剧终
投稿或寻求报道:content@jiqizhixin.com
