Il più grande esperimento chimico mai realizzato per computer quantistici
Il quantum computing è un affare costoso e complicato. Anche se si riesce ad accumulare tutti i fondi per impostare un QC, il ridimensionamento esponenziale del numero di variabili quantistiche rende difficile trovare le soluzioni esatte. Diventa più difficile nel caso delle equazioni chimiche quantistiche. La soluzione rimane fuori dalla portata dei computer classici moderni. Per risolvere questo problema, il team AI Quantum di Google, nel suo ultimo lavoro, ha eseguito la più grande simulazione chimica su un computer quantistico fino ad oggi.
Informazioni sull’esperimento
I computer quantistici hanno già stabilito che sono necessari per calcoli che richiederebbero un’eternità per essere risolti con quelli tradizionali. Tuttavia, quando si tratta di simulare esperimenti chimici, i computer quantistici non sono stati spinti al limite.
In un documento intitolato “Hartree-Fock su un computer quantistico a qubit superconduttore”, il team di Quantum AI di Google ha utilizzato l’eigensolver quantistico variazionale (VQE) per simulare meccanismi chimici utilizzando algoritmi quantistici. VQE è il metodo più diffuso per tenere conto degli errori. I calcoli in questo esperimento sono due volte più grandi dei precedenti calcoli di chimica su un computer quantistico e contengono 10 volte il numero di operazioni di porte quantistiche.
“Convalidiamo che gli algoritmi sviluppati per i computer quantistici attualmente disponibili possano raggiungere la precisione richiesta per le previsioni sperimentali”, hanno detto i ricercatori. Credono che questo possa rivelare percorsi verso simulazioni realistiche di sistemi chimici quantistici.
Il metodo Hartree-Fock è un metodo di approssimazione popolare per trovare una soluzione per le equazioni di Schrödinger. Hartree-Fock ha molte implicazioni nella fisica nucleare. E montare questo metodo su un computer quantistico è complicato poiché i computer quantistici sono soggetti a errori e mitigare questi errori è una delle principali sfide di questo paradigma.
Gli errori in questo contesto possono emergere da varie fonti. Può derivare dalle interazioni dei circuiti quantistici con l’ambiente o da piccole fluttuazioni di temperatura. Questi possono portare a errori di qubit.
Quindi, i ricercatori hanno avuto una grande sfida per ridurre questi errori con un basso overhead se volevano simulare algoritmi per simulare esperimenti chimici su dispositivi quantistici a breve termine.
Come le reti neurali, VQE può tollerare le imperfezioni dei dati tramite l’ottimizzazione. Questo metodo regola dinamicamente i parametri del circuito quantistico per tenere conto degli errori che si verificano durante il calcolo quantistico.
Sycamore di Google, che ha fatto molto rumore alla fine dell’anno scorso per aver dimostrato la supremazia quantistica, viene in soccorso di questo più grande esperimento di chimica quantistica. I ricercatori ritengono che un passaggio di paradigma abilitato al quantum da simulazioni chimiche qualitative / descrittive a simulazioni chimiche quantitative / predittive potrebbe modernizzare il campo in modo così drammatico che gli esempi immaginabili oggi sono solo la punta dell’iceberg.
Nell’ambito dell’esperimento, Google ha utilizzato il processore quantistico Sycamore per simulare l’energia di legame di grandi catene di idrogeno. Il raggiungimento di un controllo preciso sull’intero dispositivo richiede la messa a punto di oltre 2.000 parametri di controllo. Google afferma che Sycamore ha 54 qubit e consiste di oltre 140 elementi sintonizzabili individualmente, ciascuno controllato con impulsi elettrici analogici ad alta velocità.
Per controllare con precisione il dispositivo, hanno utilizzato un framework automatizzato che mappa il problema di controllo su un grafico con migliaia di nodi. Con il loro processore quantistico ad alta fedeltà, è possibile attraversare questi grafici per parametri sconosciuti in un giorno. I risultati mostrano che i ricercatori di Quantum AI hanno utilizzato tecniche che hanno ridotto significativamente gli errori.
Questi miglioramenti potrebbero sembrare banali in superficie, ma qualsiasi piccolo cambiamento per quanto riguarda un processore quantistico porta a molte grandezze di controllo sulle simulazioni del mondo reale. Pensa: proprietà molecolari, sintesi proteica e scoperta di farmaci o esecuzione di equazioni alle derivate parziali per simulare modelli meteorologici per trovare la prossima catastrofe. Le applicazioni sono infinite.
