Kontakt z nami

Komputery kwantowe

Algorytm obliczeń kwantowych może doprowadzić do zaprojektowania nowych materiałów

mm

Zespół naukowców z Uniwersytetu Columbia opracował nowy algorytm, który może pomóc komputerom kwantowym w obliczaniu energii molekularnej i prowadzić do projektowania nowych materiałów. Algorytm wykorzystuje jak dotąd największą liczbę bitów kwantowych do obliczenia energii stanu podstawowego, czyli stanu o najniższej energii w układzie mechaniki kwantowej. 

Nowe badanie zostało opublikowane w Natura

Obliczanie energii stanu podstawowego

Algorytm został opracowany przez profesora chemii z Columbii Davida Reichmana i doktora habilitowanego Joonho Lee wraz z badaczami z Google Quantum AI. Zmniejsza błędy statystyczne generowane przez bity kwantowe w równaniach chemicznych i wykorzystuje do 16 kubitów na 53-kubitowym komputerze Google Sycamore do obliczenia energii stanu podstawowego, czyli najniższego stanu energetycznego cząsteczki. 

„To największe obliczenia z zakresu chemii kwantowej, jakie kiedykolwiek przeprowadzono na prawdziwym urządzeniu kwantowym” – powiedział Reichman. 

Dzięki możliwości dokładnego obliczenia energii stanu podstawowego chemicy będą mogli opracowywać nowe materiały. Algorytm można na przykład wykorzystać do zaprojektowania materiałów przyspieszających wiązanie azotu w rolnictwie. Według Lee, który jest badaczem wizytującym w Google Quantum AI, to tylko jedno z wielu możliwych zastosowań zrównoważonego rozwoju.

Algorytm opiera się na kwantowym Monte Carlo, który jest systemem metod obliczania prawdopodobieństwa, gdy istnieje wiele losowych, nieznanych zmiennych. Naukowcy wdrożyli algorytm do określenia energii stanu podstawowego trzech typów cząsteczek. 

Istnieje wiele zmiennych, które mogą wpływać na energię stanu podstawowego, takich jak liczba elektronów w cząsteczce, kierunek ich spinu i ścieżki, jakie pokonują podczas orbitowania wokół jądra. Energia elektronowa jest zakodowana w równaniu Schrodingera, które staje się niezwykle trudne do rozwiązania na klasycznym komputerze, w miarę jak cząsteczki stają się większe. W związku z tym istnieją metody ułatwiające to zadanie, a komputery kwantowe mogą ostatecznie ominąć ten problem wykładniczego skalowania. 

Obsługa większych i bardziej złożonych obliczeń

Zgodnie z zasadą komputery kwantowe powinny mieć możliwość wykonywania większych i bardziej złożonych obliczeń, ponieważ kubity wykorzystują stany kwantowe. Kubity mogą istnieć w dwóch stanach jednocześnie, co nie jest prawdą w przypadku cyfr binarnych. Jednocześnie kubity są delikatne i wraz ze wzrostem liczby kubitów dokładność ostatecznej odpowiedzi maleje. Lee opracował nowy algorytm, aby wykorzystać łączną moc komputerów klasycznych i kwantowych do skuteczniejszego rozwiązywania tych złożonych równań, minimalizując jednocześnie błędy. 

„To najlepsze z obu światów” – powiedział Lee. „Wykorzystaliśmy narzędzia, które już posiadaliśmy, a także narzędzia uważane za najnowocześniejsze w informatyce kwantowej, aby udoskonalić kwantową chemię obliczeniową” – powiedział Lee. 

Poprzedni zapis dotyczący rozwiązywania energii stanu podstawowego opierał się na 12 kubitach i metodzie znanej jako wariacyjny kwantowy solwer własny (VQE). Problem z VQE polega na tym, że nie uwzględnia on skutków oddziałujących elektronów, co jest kluczowe przy obliczaniu energii stanu podstawowego. Według Lee można dodać techniki korelacji wirtualnej z klasycznych komputerów, aby pomóc chemikom w radzeniu sobie z jeszcze większymi cząsteczkami. 

Nowe hybrydowe obliczenia klasyczno-kwantowe wykazały dokładność porównywalną z niektórymi najlepszymi metodami klasycznymi, co sugeruje, że złożone problemy można rozwiązywać dokładniej i szybciej za pomocą komputera kwantowego. 

„Możliwość rozwiązania większych i trudniejszych problemów chemicznych będzie z czasem wzrastać” – powiedział Lee. „To daje nadzieję, że opracowywane technologie kwantowe będą przydatne w praktyce”.

Alex McFarland jest dziennikarzem i pisarzem zajmującym się sztuczną inteligencją badającym najnowsze osiągnięcia w dziedzinie sztucznej inteligencji. Współpracował z wieloma startupami i publikacjami AI na całym świecie.