谷歌采用新型量子经典混合算法实现迄今最大16量子位化学计算

　　谷歌Sycamore量子处理器。
　　上图左上角显示了谷歌用于最大实验的16个量子位。左下角则是钻石晶体中的碳原子，谷歌的计算集中在两个原子（半透明黄色）上。右侧部分显示了当调整晶格常数（Lattice Constant，两个碳原子的间距）时总能量的误差（接近零更好）是如何变化的。
　　在某些情况下费米子符号问题是如何出现示例和尝试修复符号问题时可能看到的改进示例。
　　谷歌量子AI团队已经在量子计算领域取得一些成绩，比如，成功在量子处理器上实验模拟了高温超导、纳米线、时间晶体等的简单模型，还开发了适用于构建纠错量子计算机的算法。
　　现在，谷歌又采用一种新的混合量子算法，执行了迄今为止最大的化学量子计算。
　　3月16日，谷歌与哥伦比亚大学的李俊昊（Joonho Lee）、大卫·雷奇曼（David Reichmann）等人合作，在Nature发表了一篇名为《无偏的费米子量子蒙特卡罗与量子计算机》（Unbiasing Fermionic Quantum Monte Carlo with a Quantum Computer）的论文。
　　谷歌提到，目前，对于化学方面的研究，使用经典算法仍然比如今可用的量子处理器更有效。但是，当量子力学定律转化为经典计算机可以运行的程序时，计算所需的时间或内存量与要模拟的物理系统的大小非常不符。
　　因此，谷歌提出并实验验证了一种结合经典计算和量子计算的新方法来研究化学。即谷歌使用量子处理器来指导在经典协处理器上执行的量子蒙特卡罗（Quantum Monte Carlo，QMC）计算。
　　为了评估这种量子经典混合方法的性能，谷歌使用16个量子位（目前最大的化学量子计算）来计算钻石晶体中两个碳原子的能量。此次实验，不仅比谷歌之前在Sycamore量子处理器上的化学计算要大4个量子位，还能够使用更全面的物理描述，并充分结合电子之间的相互作用。
　　谷歌还通过在具有多达120个轨道的化学系统上，执行无偏约束量子蒙特卡罗计算来试验其方案。虽然没有对状态进行完整的描述，但谷歌设计了一组规则来生成大量过度简化的状态描述（如每个电子可能在空间中的位置列表），其平均值是真实基态的良好近似值。
　　即使只是在经典计算机上存储量子态的较好描述也可能花费巨大，计算量子态则代价更为昂贵。本次在量子计算机帮助下进行的化学模拟实验表明，谷歌实现了与最先进的经典方法相媲美的精度，并且不会造成繁琐的错误偏差。
　　＂我们的出发点是使用一系列蒙特卡罗技术，例如，用投影仪蒙特卡罗来描述量子力学系统的最低能量状态（如钻石晶体中的两个碳原子）。＂谷歌对外宣称。
　　据了解，投影仪蒙特卡罗方法中的＂投影仪＂（Projector）指的是谷歌设计规则的方式，其通过不断尝试使用称为＂投影＂（Projection）的数学过程过滤掉不正确的答案，类似于＂轮廓＂（Silhouette）是三维物体投射到二维表面上的方式。
　　然而，这里还有一个问题。当涉及到化学或材料科学时，该方法不足以单独找到基态。
　　电子属于一类被称为费米子（Fermions）的粒子。当两个相同的费米子交换位置时，量子力学波函数（关于费米子一切信息的数学描述）＂拾取＂一个减号。这个减号产生了著名的泡利不相容原理（Pauli Exclusion Principle），即两个费米子不能占据同一状态。而这可能会导致投影仪蒙特卡罗计算变得低效，甚至完全崩溃。
　　费米子符号问题的解决方案通常涉及调整蒙特卡罗算法，以包括一些从近似到基态的信息。
　　对化学键的断裂进行建模等极具挑战性的问题，在经典计算机上使用足够准确的初始猜测的计算成本可能令人无法承受。而谷歌之前的实验已经证明，可以使用量子计算机来近似量子系统的基态。
　　在早期的实验中，谷歌主要测量与物理性质（如化学反应的速率）直接相关的量（如状态的能量）。
　　此次，在使用新的混合算法后，谷歌进行了一种非常不同的测量：对经典计算机上蒙特卡罗算法产生的状态与量子计算机上准备的状态间的差距进行量化。
　　＂另外，通过使用一些最近开发的技术，我们甚至能够在运行蒙特卡罗算法之前在量子计算机上进行所有测量，将量子计算机的工作与经典计算机的工作分开。这种分工帮助我们充分利用了这两种资源。＂谷歌公布道。
　　据了解，谷歌在量子设备上花费几个小时后，提取了在经典计算机上运行蒙特卡罗算法所需的所有数据。尽管数据是＂嘈杂＂的，就像现在所有的量子计算一样，但它有足够的信号，能够引导经典计算机非常准确地重建真正的基态。
　　与常用的变分量子特征值求解器（Variational Quantum Eigensolver，VQE）相比，谷歌的混合量子经典计算模型为实现电子结构问题的实际量子优势提供了另一条途径，不需对基态波函数进行极其精确的准备和测量。
　　＂虽然我们尚未实现相对于现有经典算法的实际量子优势，但我们对这个新研究方向的前景持乐观态度，＂谷歌在公告中说道，＂并很高兴可以使用这些计算扩展经典计算能做什么的边界。＂