江苏龙网

  1. 首页 > 资讯 > 科技 > >

|将量子计算机当作神经网络，首次模拟化学反应，谷歌新研究登上Science封面( 二 )


在经典设置中 ， 该电路图元等效于Hartree-Fock模型 ， 并且是谷歌先前为优化化学模拟而开发的算法的重要电路组件 。 因此 ， 谷歌在之后专注于扩大规模 ， 而不需要花费大量的仿真来验证设备 。 在接近“超越传统”的边界时 ， 在该组件上的鲁棒错误缓解对于准确的仿真至关重要 。
量子计算中的错误源于量子电路与环境的相互作用 ， 从而导致逻辑运算出现错误 。 即使很小的温度波动也可能导致量子比特错误 。
在当下 ， 用于模拟化学反应的量子算法必须以较低的成本解决这些错误 ， 无论是在量子比特的数量方面 ， 还是在额外的量子资源方面 ， 例如实现量子纠错码 。
解决错误最流行的方法是使用VQE 。 谷歌选择了几年前开发的VQE ， 它将量子处理器看成神经网络 ， 并通过最小化成本函数来优化量子电路的参数 。 就像传统的神经网络可以通过优化弥补数据中的缺陷 ， VQE可以动态调整量子电路参数以解决量子计算过程中发生的错误 。
|将量子计算机当作神经网络，首次模拟化学反应，谷歌新研究登上Science封面
本文插图

图1：基础旋转电路和编译 。 a）电路图的左边是H12链的初始轨道 ， 原子间距为1.3 A ， 是通过将哈密顿量对角化而忽略电子-电子相互作用而获得的 。 电路图描绘了十二个氢原子线性链的基本旋转ansatz 。 每个具有旋转角度θ的灰色框代表一个Givens旋转门 。 b）将Givens旋转门编译为√iswap门和单量子比特门 ， 可以直接在硬件中实现 。 H12电路涉及72个√iswap门和108个单量子比特Z旋转门 ， 总共有36个变分参数 。 c）在整个54比特Sycamore器件的子网格上描绘十二个量子线 。 所有电路仅需要执行在线性拓扑中相邻的量子比特对之间的量子门 。
2 通过Sycamore实现高精度模拟
该实验在Sycamore处理器上运行 。 尽管这次的实验需要的量子比特更少 ， 但是求解化学键合需要更高的量子门保真度 。 于是 ， 谷歌开发了新的、有针对性的校准技术 ， 该技术可以最优地放大错误 ， 从而可以对其进行诊断和纠正 。
|将量子计算机当作神经网络，首次模拟化学反应，谷歌新研究登上Science封面
本文插图

图2：在Sycamore处理器的10、12量子比特上 ， 通过Hartree-Fock模型对分子几何形状进行能量预测 ， 展示了VQE在区分二氮烯异构化机制上的性能 ， 异构化指的是二氮烯的顺式（cis）和反式（trans）结构 。 TS1和TS2分别是氢在平面内和平面外旋转的过渡状态 。 TS1和TS2上的黄色箭头表示相应的反应坐标 。 在上图中 ， 实曲线是通过优化10个量子比特问题获得的能量 ， 该问题是通过冻结由两个自洽场周期生成的核心轨道而生成的 。 相同颜色的透明线是完整的12量子比特系统的能量 ， 表明冻结最低的两个能级不会更改模型化学的特性 。 谷歌使用VQE在Sycamore上模拟了反应路径上的九个点 。
量子计算中的错误来自量子硬件堆栈 ， 有多种来源 。 Sycamore有54个量子比特 ， 由140多个单独可调的元件组成 ， 每个元件都由高速的模拟电脉冲控制 。 要实现对整个设备的精确控制 ， 需要对2,000多个控制参数进行微调 ， 即使是微小错误也可以迅速让计算中的总体错误扩大 。
为了准确地控制设备 ， 谷歌使用了自动化的框架 ， 该框架将控制问题映射到具有数千个节点的图形上 ， 每个节点代表一个物理实验以确定一个未知参数 。 遍历此图可实现高保真量子处理器 ， 并且可以在不到一天的时间内完成 。 最终 ， 这些技术与算法错误缓解技术一起降低了错误的数量级 。
|将量子计算机当作神经网络，首次模拟化学反应，谷歌新研究登上Science封面
本文插图

|将量子计算机当作神经网络，首次模拟化学反应，谷歌新研究登上Science封面
本文插图


推荐阅读


上一篇：|BATJ罕见联手！一公司被百度京东腾讯阿里联合申诉，怎么了？

下一篇：百度|老域名对网站优化有哪些影响？