[论文解读] Differentiable quantum computational chemistry with PennyLane

Juan Miguel Arrazola, Soran Jahangiri+16 more|arXiv (Cornell University)|Nov 18, 2021

Quantum Computing Algorithms and Architecture参考文献 69被引用 6

一句话总结

本文介绍了PennyLane，一个量子软件库，通过本机支持分子哈密顿量、Hartree-Fock解和量子线路参数的自动微分，实现了可微分的量子计算化学。它支持变分量子算法中对量子线路、原子核坐标和基组参数的联合优化，提供精确梯度和高效的稀疏矩阵模拟，用于基态和激发态能量计算。

ABSTRACT

This work describes the theoretical foundation for all quantum chemistry functionality in PennyLane, a quantum computing software library specializing in quantum differentiable programming. We provide an overview of fundamental concepts in quantum chemistry, including the basic principles of the Hartree-Fock method. A flagship feature in PennyLane is the differentiable Hartree-Fock solver, allowing users to compute exact gradients of molecular Hamiltonians with respect to nuclear coordinates and basis set parameters. PennyLane provides specialized operations for quantum chemistry, including excitation gates as Givens rotations and templates for quantum chemistry circuits. Moreover, built-in simulators exploit sparse matrix techniques for representing molecular Hamiltonians that lead to fast simulation for quantum chemistry applications. In combination with PennyLane's existing methods for constructing, optimizing, and executing circuits, these methods allow users to implement a wide range of quantum algorithms for quantum chemistry. We discuss how PennyLane can be used to implement variational algorithms for calculating ground-state energies, excited-state energies, and energy derivatives, all of which can be differentiated with respect to both circuit and Hamiltonian parameters. We provide an example workflow describing how to jointly optimize circuit parameters, nuclear coordinates, and basis set parameters for quantum chemistry algorithms. We discuss a functionality for reducing the number of qubits by using symmetries and explain how PennyLane can be used to estimate quantum resources needed to implement several quantum algorithms. By combining insights from quantum computing, computational chemistry, and machine learning, PennyLane is the first library for differentiable quantum computational chemistry.

研究动机与目标

• 开发一个统一的软件框架，集成量子计算、计算化学和可微编程，用于量子化学应用。
• 解决在量子化学模拟中实现端到端可微工作流的需求，特别是针对优化量子线路和分子参数。
• 通过精确梯度实现对量子线路参数、原子核坐标和基组参数的联合优化。
• 提供基于稀疏矩阵的高效模拟，用于快速的量子化学工作负载。
• 支持广泛的量子算法，包括基态和激发态能量计算，具备完整的可微分性。

提出的方法

• 实现一个可微分的Hartree-Fock求解器，可计算分子轨道、福克矩阵和能量相对于原子核坐标和基组参数的精确梯度。
• 引入自定义量子操作，如Givens旋转作为激发门，以及面向分子哈密顿量编码的化学启发式电路模板。
• 利用稀疏矩阵技术高效表示分子哈密顿量，实现在量子模拟器上的快速模拟。
• 在混合量子-经典模型中集成自动微分，支持对线路参数和哈密顿量参数的梯度计算。
• 提供内置功能用于计算可观测量和估计量子资源，包括通过分子点群对称性实现的量子比特缩减。
• 支持变分量子算法（如VQE和UCCSD），提供可微分的量子电路模板和基于梯度的优化流水线。

实验结果

研究问题

• RQ1 如何使量子化学模拟在电路参数、原子核坐标和基组参数之间实现完全可微分？
• RQ2 在变分量子算法中，实现可微分Hartree-Fock方法的最有效方式是什么？
• RQ3 如何将分子哈密顿量的稀疏矩阵表示高效集成到可微分的量子编程框架中？
• RQ4 使用基于梯度的方法对量子线路和分子结构参数进行联合优化的最佳工作流程是什么？
• RQ5 如何将对称性和资源估算工具集成到可微分的量子化学软件栈中？

主要发现

• PennyLane提供了首个完全可微分的量子化学软件栈，实现了对分子哈密顿量相对于原子核坐标和基组参数的精确梯度。
• 可微分Hartree-Fock求解器支持电子结构量（包括福克矩阵和轨道能量）的端到端梯度计算。
• PennyLane模拟器中的稀疏矩阵技术显著加速了分子哈密顿量的模拟，尤其在大体系中表现突出。
• 通过完整的工作流展示了对线路参数、原子核坐标和基组参数的联合优化，实现了改进的变分能量最小化。
• 该库通过分子点群对称性支持高效的量子比特缩减，降低了量子化学模拟的资源需求。
• PennyLane支持能量导数和激发态能量的完全可微分计算，适用于分子几何优化和性质预测等高级应用。