量子计算机在模拟化学方面变得更加智能

　　使用谷歌的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化学模拟。他们采用了一种新技术，可以帮助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，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位的组件越多，其计算能力就可以以指数方式增长。
　　量子计算机最近的应用可能是化学例如，模拟可能产生对下一代电池或新药的洞察的分子反应。随着分子变大，执行此类模拟变得更加复杂，这对传统计算来说可能是一个巨大的挑战，但可能是量子计算机可以克服的问题。
　　在这项新研究中，来自谷歌量子人工智能、哥伦比亚大学和加州大学伯克利分校的研究小组使用了蒙特卡洛算法，该算法本质上将问题视为游戏，通过对这些游戏的许多随机模拟来获得解决方案。具体来说，他们依赖于为费米子的量子物理模型设计的蒙特卡罗算法，费米子是一类包含电子的粒子。
　　通常，在经典计算机上运行的费米子量子蒙特卡罗算法不能很好地扩展到模拟更大的分子。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，科学家们在谷歌的53量子位量子计算机上使用多达16个量子位来计算分子的基态，即分子能量最少的基态。分子的基态受其拥有的电子数量以及这些电子在围绕原子核运行时所采用的路径等因素的影响。
　　研究人员模拟了分子H4、分子氮和固体金刚石。这些涉及多达120个轨道，即由一个或多个电子在原子或分子中形成的电子密度模式。这些是迄今为止在量子计算机的帮助下进行的最大的化学模拟。
　　经典计算机实际上处理了大部分这种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。
　　使用量子计算进行化学模拟的先前记录使用12个量子位和一种称为变分量子特征求解器（VQE）的混合算法。然而，与这种新的混合方法相比，VQE具有许多局限性。例如，当人们想从VQE中获得非常精确的答案时，即使是量子电路中的少量噪声也会在我们对能量或其他属性的估计中造成足够大的错误。
　　此外，VQE也可能需要很长时间才能执行足够的测量来获得非常精确的答案。最重要的是，我们经常需要优化我们的量子电路的参数，以准备一个很好的基态近似值，这会给整个过程增加更大的开销。
　　这种方法的一个潜在问题是量子位很脆弱并且容易出错。然而，虽然VQE在量子电路中需要非常少的噪声才能获得非常精确的基态估计，但这种新技术不需要，这意味着我们有时可以摆脱更多的噪声。
　　新技术达到的准确度几乎与当前最好的经典方法一样好。研究人员的下一步是进行更大规模的实验。
　　研究成果于3月16日发表在《自然》杂志上。