量子计算机助力材料开发：谷歌处理器运行规模最大、可扩展的变分量子算法

光子盒研究院出品

布里斯托大学、量子初创公司Phasecraft和谷歌Quantum AI的研究人员揭示了电子系统的特性，这些特性可用于开发更高效的电池和太阳能电池板。10月11日，研究成果以《在量子计算机上使用可扩展算法观察费米-哈伯德（Fermi-Hubbard）模型的基态特性》为题[1]，发表在《自然·通讯》期刊上。

谷歌Quantum AI量子算法负责人Ryan Babbush说：“我们很高兴看到由Phasecraft设计和执行的这个实验，它在谷歌的量子计算硬件上执行了迄今为止最大的数字费米子模拟之一，也是迄今为止最大的变分算法之一。”

01

费米-哈伯德模型，实现更高效的错误缓解技术

研究团队使用量子计算机来确定经典计算机无法解决的强相关电子系统的低能特性。为此，他们开发了第一个真正可扩展的算法，用于在量子计算机上观察费米-哈伯德模型的基态特性：费米-哈伯德模型是发现材料电子和磁性特性的重要见解的方式。

对这种形式的量子系统进行建模具有重要的实际意义，包括设计可用于开发更有效的太阳能电池板和电池甚至高温超导体的新材料。然而，这样做仍然超出了世界上最强大的超级计算机的能力。费米-哈伯德模型被广泛认为是近期量子计算机的优秀基准，因为它是最简单的材料系统，包括超出经典方法捕获的非平凡相关性。近似产生费米-哈伯德模型的最低能量（基）状态使用户能够计算模型的关键物理特性[2]。

过去，研究人员只成功地在量子计算机上解决了小型、高度简化的费米-哈伯德实例。这项研究表明，更雄心勃勃的结果是可能的。利用一种新的、高效的算法和更好的错误缓解技术，他们成功地进行了一项实验，该实验比以前记录的任何东西都要大四倍，并且由十倍多的量子门组成。

02

在谷歌超导量子处理器上，验证变分算法

在这项工作中，研究团队证明了数量少得多的ansatz层仍然可以在量子硬件上重现费米-哈伯德模型的定性特性。

具体来说，科学家使用超导量子处理器将变分量子算法（VQE）应用于1 × 8和2 × 4网格上的费米-哈伯德实例，并观察预期的基态物理特性，例如金属-绝缘体跃迁(MIT)、弗里德尔振荡、衰变相关性和反铁磁顺序。这些结果依赖于一系列基于对称性的错误缓解技术：这些技术大大提高了在含噪声中等规模（NISQ）量子设备上估计可观测的准确性，从而在不久的将来开辟了通往有用应用的道路。

高效哈密顿变分ansatz的实现。a）Jordan-Wigner码将2×4网格的一个自旋扇区映射到一条线上；对另一个自旋扇区重复进行映射。b）、c）水平项的实施与费米子交换相结合（红色）；然后是第一组垂直项（蓝色）；然后是另一层费米子交换；然后是第二组垂直项。d）量子电路结构。

实现两个费米-哈伯德实例的量子比特布局。(a)1×8实例，(b)2×4实例

VQE框架内的BayesMGD算法的实验结果和与VQE基态有关的最终能量误差。a）1×8和2×4费米-哈伯德实例的VQE进展，由参数θk处的能量和VQE基态能量Emin之间的误差测量（主图对数比例，插图线性比例）。b）在最终状态上的错误缓解后，测量能量的最终误差。

03

取得重要突破：规模最大、首个可扩展的量子算法

“本实验中的费米-哈伯德实例代表了使用量子计算机解决现实材料系统的关键一步，”布里斯托大学量子计算教授、Phasecraft 联合创始人Ashley Montanaro说：“我们成功开发了第一个真正可扩展的算法，这特别令人兴奋，因为它表明我们将能够扩展我们的方法，以便在硬件改进时利用更强大的量子计算机。”

Phasecraft汇集了许多世界领先的量子科学家和工程师以及合作伙伴，是世界领先的量子硬件开发商。“我们很高兴看到由Phasecraft设计和执行的这个实验，它在谷歌的量子计算硬件上执行了迄今为止最大的数字费米子模拟之一，也是迄今为止最大的变分算法之一。”Google AI量子算法负责人Ryan Babbush说[3]：“他们方法的可扩展性源于在近期量子硬件的错误缓解和算法编译方面的最新技术。”

相关阅读：

每周一到周五，我们都将与光子盒的新老朋友相聚在微信视频号，不见不散！

你可能会错过：