Sycamore 54 量子比特计算机（图自：Google AI Blog）
随着系统规模的增长，通过量子化学方程进行建模的计算复杂度也在迅速增加，因为这会导致量子变量的数学和统计量呈指数级缩放。对于现代的经典计算机平台而言，想要在量子化学方程式上得到让人满意的精确解，仍是一件相当棘手的事情。不过今日发表于《科学》杂志上的一项新研究，就为具有指数级计算能力的量子计算平台，提供了一种新颖的系统封装方法。
谷歌人工智能量子团队在文章中称，其借使用了 54 量子比特位的 Sycamore 计算机，在上面开展了有史以来最大规模的运算，以寻求可为当前的量子化学模拟技术进行加速的新方法。
尽管研究的重点是真实化学系统的哈特里-福克近似（Hartree-Fock approximation），但本次在量子计算机上开展的化学运算量是以往的两倍，并且包含了十倍的量子门操作。
为实现这一目标，研究团队借助了一款噪声健壮的变分量子本征求解器（VQE），其能够通过量子算法，对化学机理展开直接的模拟。
VQE 的重要性在于，量子计算很容易产生噪声，从而导致计算结果不准确。
本质上，该技术可将量子处理器视作神经网络，并试图通过动态最小化的成本函数来解决计算过程中的错误、并优化量子电路的参数。
据悉，Sycamore 具有 54 个量子比特，由 140 多个可调节的单独元件组成，每个元件都由高速、模拟电脉冲来控制。
要实现对整个设备的精确控制，需要对 2000 多个控制参数进行微调。即便是微小的误差，也足以在总计算结果中表现出相当大的偏离。
动用 Sycamore 10 个量子比特位计算模拟出的结果（分子几何形状的能量预测）
为此，研究团队特地使用了一套自动化框架，能够将问题映射到具有数千个顶点的图形上。其中每个顶点都代表一项物理实验，以对单个未知参数进行确定。
遍历该图之后，我们可将设备的先验知识转移到高保真的量子处理器上，然后在不到一天的时间内完成模拟运算。结合其它纠错技术，可将错误数量级控制在极小的范围。
基于此，谷歌研究团队不仅在量子计算机上运行了迄今最大规模的化学模拟，还提供了概念的证明 —— 即当 VQE 与纠错策略结合使用时，该犯法能够保障量子化学模拟的准确性。
展望未来，研究人员希望他们可在量子处理器上进行更多的仿真。感兴趣的朋友，可在GitHub上查阅本次实验的完整代码。
研究的更多细节，可在《科学》（Science）杂志的《Hartree-Fock on a superconducting qubit quantum computer》一文中找到。
来源：cnBeta.COM
