[论文解读] Hardware-efficient Quantum Optimizer for Small Molecules and Quantum Magnets

Abhinav Kandala, Antonio Mezzacapo+4 more|arXiv (Cornell University)|Apr 17, 2017

Quantum Computing Algorithms and Architecture被引用 11

一句话总结

该论文提出了一种针对超导量子处理器原生相互作用的硬件高效变分量子蒙特卡洛求解器（VQE），实现了对诸如 BeH₂ 和量子磁体等分子的实验性基态能量优化，支持最多六量子比特和超过100个泡利项。该方法与噪声模拟结果高度一致，展示了在经典计算难以处理的费米子问题上的可扩展潜力。

ABSTRACT

Quantum computers can be used to address molecular structure, materials science and condensed matter physics problems, which currently stretch the limits of existing high-performance computing resources. Finding exact numerical solutions to these interacting fermion problems has exponential cost, while Monte Carlo methods are plagued by the fermionic sign problem. These limitations of classical computational methods have made even few-atom molecular structures problems of practical interest for medium-sized quantum computers. Yet, thus far experimental implementations have been restricted to molecules involving only Period I elements. Here, we demonstrate the experimental optimization of up to six-qubit Hamiltonian problems with over a hundred Pauli terms, determining the ground state energy for molecules of increasing size, up to BeH2. This is enabled by a hardware-efficient variational quantum eigensolver with trial states specifically tailored to the available interactions in our quantum processor, combined with a compact encoding of fermionic Hamiltonians and a robust stochastic optimization routine. We further demonstrate the flexibility of our approach by applying the technique to a problem of quantum magnetism. Across all studied problems, we find agreement between experiment and numerical simulations with a noisy model of the device. These results help elucidate the requirements for scaling the method to larger systems, and aim at bridging the gap between problems at the forefront of high-performance computing and their implementation on quantum hardware.

研究动机与目标

• 解决经典高性能计算难以处理的量子化学与凝聚态物理问题。
• 通过利用近期量子硬件，克服蒙特卡洛方法中的费米子符号问题以及精确对角化方法的指数级缩放问题。
• 实现超越第一周期元素的分子在实验中应用量子算法，扩展此前局限于第一周期元素的演示范围。
• 在真实量子硬件上，利用紧凑的费米子编码与随机优化方法，实现对基态能量的稳健优化。
• 将该方法扩展至量子磁性问题，验证其在不同量子多体系统中的通用性与灵活性。

提出的方法

• 设计一种硬件高效的VQE，其变分态由超导处理器上原生可用的两量子比特纠缠门构建，以最小化电路深度与门数。
• 实现一种紧凑的费米子到量子比特编码，显著减少表示分子与自旋哈密顿量所需的量子比特数与泡利项数。
• 采用对噪声与门误差具有鲁棒性的随机优化方法，即使在噪声中等规模量子（NISQ）设备限制下也能实现收敛。
• 根据量子处理器中实际可用的纠缠相互作用定制变分形式，提升保真度并减少误差传播。
• 在模拟中集成噪声设备模型，以验证实验结果并指导误差缓解策略。
• 将该框架应用于分子哈密顿量（如BeH₂）与模拟量子磁体的自旋哈密顿量，证明其在不同领域的适用性。

实验结果

研究问题

• RQ1 使用处理器原生纠缠门的硬件高效VQE能否准确估计超越第一周期元素的小分子基态能量？
• RQ2 紧凑的费米子编码在减少量子模拟中所需量子比特数与泡利项数方面，资源开销降低程度如何？
• RQ3 随机优化在存在门误差与测量误差的情况下，多大程度上能实现在噪声量子硬件上的收敛？
• RQ4 该VQE框架是否可有效应用于量子磁性问题，表明其在量子化学之外的通用性？
• RQ5 实验结果与使用噪声设备模型的模拟结果在多大程度上一致？

主要发现

• 该方法成功优化了BeH₂的基态能量，该系统为六量子比特且包含超过100个泡利项，标志着在超越第一周期分子的实验演示中迈出重要一步。
• 实验结果与使用噪声设备模型的数值模拟高度一致，验证了优化与编码方法的鲁棒性。
• 基于原生两量子比特门构建的硬件高效变分形式，实现在真实超导量子处理器上的高保真度态制备与能量估计。
• 紧凑的费米子编码显著减少了所需泡利项的数量，提升了资源效率并减少了易出错的操作。
• 随机优化流程在噪声环境下实现收敛，展示了在近期量子硬件条件下具备强健性。
• 该框架成功扩展至量子磁性问题，证实其灵活性与在量子多体物理中更广泛应用的潜力。