[论文解读] Quantum-centric Supercomputing for Materials Science: A Perspective on Challenges and Future Directions

Yuri Alexeev, Maximilian Amsler+125 more|arXiv (Cornell University)|Dec 14, 2023

Machine Learning in Materials Science参考文献 467被引用 4

一句话总结

本文提出了一套以量子计算为核心的超级计算框架，整合了量子计算、高性能计算（HPC）和机器学习，以加速材料科学模拟。该框架解决了在噪声中等规模量子（NISQ）设备和容错架构中扩展的挑战，强调混合量子-经典工作负载和连续变量优化，其关键贡献在于通过量子-经典HPC协同集成，提出了一条实现材料设计中量子优势的路线图。

ABSTRACT

Computational models are an essential tool for the design, characterization, and discovery of novel materials. Hard computational tasks in materials science stretch the limits of existing high-performance supercomputing centers, consuming much of their simulation, analysis, and data resources. Quantum computing, on the other hand, is an emerging technology with the potential to accelerate many of the computational tasks needed for materials science. In order to do that, the quantum technology must interact with conventional high-performance computing in several ways: approximate results validation, identification of hard problems, and synergies in quantum-centric supercomputing. In this paper, we provide a perspective on how quantum-centric supercomputing can help address critical computational problems in materials science, the challenges to face in order to solve representative use cases, and new suggested directions.

研究动机与目标

• 识别并定义在使用以量子计算为核心的超级计算架构实现材料科学中量子优势时面临的挑战。
• 分析量子计算与经典HPC及机器学习的集成，以实现高效材料模拟。
• 解决当前NISQ设备在模拟量子材料时存在的局限性，包括量子比特数量和噪声问题。
• 提出一种框架，利用量子算法优化元材料设计中的离散和连续变量。
• 建立用于识别在材料科学中量子优势可行的高影响力用例的标准。

提出的方法

• 本文采用多层级分析，涵盖基础量子算法、混合量子-经典架构设计，以及经典模拟以验证量子系统。
• 评估与量子算法相关的经典工作负载，特别关注模拟多体量子系统时的计算瓶颈。
• 作者提出一种混合量子-经典算法，能够同时优化元材料中的离散和连续设计参数。
• 利用经典HPC模拟量子系统，以进行近似验证，并识别计算困难的案例。
• 该框架整合机器学习，以加速最优元材料结构的发现。
• 该方法强调量子与经典工作负载的协同设计，以在以量子计算为核心的超级计算中心中最大化性能。

实验结果

研究问题

• RQ1 如何有效将量子计算与经典HPC集成，以在材料科学中实现量子优势？
• RQ2 在NISQ和容错设备上扩展材料模拟的量子模拟时，关键的架构与算法挑战是什么？
• RQ3 鉴于标准量子算法返回二进制结果，如何将量子算法适配以优化材料设计中的连续变量？
• RQ4 在以量子计算为核心的超级计算中，哪些材料科学用例最有可能展示量子优势？
• RQ5 可采用哪些标准来识别并优先考虑材料科学中量子计算的高影响力应用？

主要发现

• 量子计算、HPC与机器学习的集成为加速材料发现提供了切实可行的路径，尤其适用于复杂元材料。
• 当前的NISQ设备受限于量子比特数量和噪声，因此需要采用混合量子-经典工作负载，并借助经典模拟进行验证。
• 提出了一种新型量子算法，可实现离散与连续设计变量的同步优化，克服了标准量子算法的关键局限性。
• 对量子系统的经典模拟对于识别困难用例和验证量子算法性能至关重要。
• 能够协同设计量子与经典工作负载的量子计算中心，是实现在材料科学中可扩展且实用的量子优势的关键。
• 本文建立了一个框架，用于选择最可能实现量子优势的高影响力材料科学应用。