Kvanttilaskentalgoritmi voi johtaa uusien materiaalien suunnitteluun

Kolumbian yliopiston tutkijaryhmä on kehittänyt uuden algoritmin, joka voi auttaa kvanttitietokoneita laskemaan molekyylien energioita ja johtaa uusien materiaalien suunnitteluun. Algoritmi käyttää eniten kvantti-bittejä tähän mennessä laskemaan pohjatilan energian, joka on matalin energiatila kvanttimekaanisessa järjestelmässä.

Uusi tutkimus julkaistiin Nature-julkaisussa.

Pohjatilan energian laskeminen

Algoritmi kehitettiin Kolumbian yliopiston kemian professori David Reichmanin ja postdoc-tutkija Joonho Leen kanssa yhteistyössä Google (GOOGL ) Quantum AI -tutkijoiden kanssa. Se vähentää tilastollisia virheitä, joita kvantti-bittien tuottamat kemiallisissa kaavoissa, ja se käyttää jopa 16 kvantti-bittiä Google:n 53-kvantti-bittisessä Sycamore-tietokoneessa laskemaan pohjatilan energian, joka on molekyylin matalin energiatila.

”Nämä ovat suurimmat koskaan tehty kvantti-kemian laskelmat oikealla kvantti-laitteella”, Reichman sanoi.

Pohjatilan energian tarkka laskeminen mahdollistaa uusien materiaalien kehittämisen. Esimerkiksi algoritmiä voidaan käyttää suunnittelemaan materiaaleja, jotka nopeuttavat typen kiinnittymistä maataloudessa. Tämä on vain yksi monista mahdollisista kestävän kehityksen sovelluksista, Leen mukaan, joka on vieraileva tutkija Google Quantum AI:ssa.

Algoritmi perustuu kvantti-Monte Carlo -menetelmään, joka on joukko menetelmiä todennäköisyyden laskemiseen, kun on paljon satunnaisia, tuntemattomia muuttujia. Tutkijat käyttivät algoritmiä määrittämään kolmen molekyyppityypin pohjatilan energian.

On paljon muuttujia, jotka voivat vaikuttaa pohjatilan energiaan, kuten molekyylin elektronien määrä, niiden spinin suunta ja polku, jota ne seuraavat ydinakselin ympärillä. Elektronisen energian koodataan Schrödingerin yhtälöön, josta tulee erittäin vaikea ratkaista klassisella tietokoneella, kun molekyylit kasvavat suuremmiksi. On kuitenkin menetelmiä, joilla voidaan helpottaa tätä, ja kvantti-tietokoneet voivat lopulta ohittaa tämän eksponentiaalisen skaalauksen ongelman.

Suurempien ja monimutkaisempien laskelmien käsittely

Periaatteessa kvantti-tietokoneiden pitäisi pystyä käsittelemään suurempia ja monimutkaisempia laskelmia, koska kvantti-bittien hyödyntävät kvantti-tiloja. Kvantti-bittien on mahdollista olla kahdessa tilassa samanaikaisesti, mikä ei ole totta binäärisille merkeille. Samalla kvantti-bittien on herkkä, ja kun kvantti-bittien määrä kasvaa, tarkkuus lopputuloksessa vähenee. Lee kehitti uuden algoritmin hyödyntämään sekä klassisen että kvantti-tietokoneen yhdistettyä voimaa ratkaisemaan nämä monimutkaiset yhtälöt tehokkaammin ja vähentämään virheitä.

”Se on molempien maailmojen paras”, Lee sanoi. ”Käytimme työkaluja, joita meillä jo oli, sekä työkaluja, jotka ovat parhaimmillaan kvantti-informaatiossa, jalostamaan kvantti-laskennallista kemiaa”, Lee sanoi.

Aikaisempi ennätys pohjatilan energian ratkaisemisessa perustui 12 kvantti-bittiin ja menetelmään, joka tunnetaan variational quantum eigensolver (VQE) -menetelmänä. VQE:n ongelma on, että se ei ottaa huomioon vuorovaikutteisten elektronien vaikutuksia, mikä on tärkeää pohjatilan energian laskemisessa. Leen mukaan klassisten tietokoneiden virtuaalikorrelaatiotekniikoita voidaan lisätä auttamaan kemiikkoja käsittelemään vielä suurempia molekyylejä.

Uudet hybridiklassinen-kvanttilaskelmat osoittivat tarkkuuden, joka on vertailukelpoinen joissakin parhaimmista klassisista menetelmistä, osoittaen, että monimutkaisia ongelmia voidaan ratkaista tarkemmin ja nopeammin kvantti-tietokoneella.

”Suurempien ja haasteellisempien kemiallisten ongelmien ratkaisun toteutus mahdollisuus kasvaa ajan myötä”, Lee sanoi. ”Tämä antaa meille toivon, että kehitettävät kvantti-teknologiat ovat käytännöllisesti hyödyllisiä.”