[论文解读] Quantum Computing in Pharma: A Multilayer Embedding Approach for Near Future Applications

Róbert Izsák, Christoph Riplinger+7 more|arXiv (Cornell University)|Feb 9, 2022

Advanced Chemical Physics Studies参考文献 115被引用 40

一句话总结

本文提出了一种多层量子嵌入框架，可自动为近期量子计算机在药物研发中的应用选择活性空间。通过结合局域化片段分子轨道与基于微扰理论的虚拟轨道选择方法，该方法实现了对强关联体系的精确量子模拟——在 F₂、[Fe]氢化酶和替莫泊芬上的验证表明，量子校正显著改善了激发态能量与光谱，尤其在光化学体系中表现突出。

ABSTRACT

Quantum computers are special purpose machines that are expected to be particularly useful in simulating strongly correlated chemical systems. The quantum computer excels at treating a moderate number of orbitals within an active space in a fully quantum mechanical manner. We present a quantum phase estimation calculation on F$_2$ in a (2,2) active space on Rigetti's Aspen-11 QPU. While this is a promising start, it also underlines the need for carefully selecting the orbital spaces treated by the quantum computer. In this work, a scheme for selecting such an active space automatically is described and simulated results obtained using both the quantum phase estimation (QPE) and variational quantum eigensolver (VQE) algorithms are presented and combined with a subtractive method to enable accurate description of the environment. The active occupied space is selected from orbitals localized on the chemically relevant fragment of the molecule, while the corresponding virtual space is chosen based on the magnitude of interactions with the occupied space calculated from perturbation theory. This protocol is then applied to two chemical systems of pharmaceutical relevance: the enzyme [Fe] hydrogenase and the photosenzitizer temoporfin. While the sizes of the active spaces currently amenable to a quantum computational treatment are not enough to demonstrate quantum advantage, the procedure outlined here is applicable to any active space size, including those that are outside the reach of classical computation.

研究动机与目标

• 为解决在近期待机的含噪声中等规模量子（NISQ）设备上进行量子化学量子模拟时最优活性空间选择的挑战。
• 通过将环境效应转移至经典计算，减轻对量子处理器的计算负担，同时保持高精度。
• 通过整合量子模拟与经典嵌入方法，实现在药物研发中的实际量子优势。
• 展示该方法在与药物发现相关的复杂强关联体系（如酶和光敏剂）中的适用性。
• 在真实量子硬件（Rigetti 的 Aspen-11）上验证该框架，并利用 QPE 和 VQE 算法模拟其在更大体系上的性能。

提出的方法

• 通过识别分子片段上局域化的化学相关占据轨道，自动选择活性空间。
• 使用二阶微扰理论（MP2）计算占据轨道与虚拟轨道之间的相互作用，依据相互作用强度选择虚拟轨道。
• 采用减法嵌入方法，通过经典计算校正环境效应，同时保持活性空间的量子力学处理。
• 结合量子相位估计算法（QPE）与变分量子特征态求解器（VQE），在量子处理器上计算精确的电子能级与激发态光谱。
• 对替莫泊芬采用 (4,4) 活性空间模型，对 F₂ 采用 (2,2) 活性空间模型，量子结果与经典 CASCI 和 STEOM-CIS 计算结果进行验证。
• 通过经典后处理校正几何与动态效应，实现与实验吸收光谱的对比。

实验结果

研究问题

• RQ1 基于片段的自动化活性空间选择协议是否能提升量子化学中量子模拟的精度与效率？
• RQ2 近期量子计算机提供的量子校正对光化学体系（如替莫泊芬）中电子激发态的描述有何影响？
• RQ3 量子嵌入方法在多强关联体系（如 [Fe]氢化酶）中，能在多大程度上校正静态与动态相关效应？
• RQ4 所提出的嵌入协议是否可适用于任意大小的活性空间，包括经典计算难以企及的规模？
• RQ5 量子校正对药物相关分子中垂直激发能与振子强度的精度有何影响？

主要发现

• 在 Rigetti 的 Aspen-11 量子处理单元上，对 F₂ 在 (2,2) 活性空间中的量子相位估计算法结果与经典 CASCI 结果一致，误差在 0.01 eV 以内，验证了量子模拟方法的有效性。
• 对于替莫泊芬，第二激发态（Ψ₂）的量子校正嵌入激发能为 2.523 eV，较经典 CASCI 值校正了 0.2 eV，表明量子校正具有显著改进作用。
• 该方法成功再现了实验吸收光谱的定性特征，包括高能量区域的强双峰吸收与低能量区域的弱峰。
• 尽管替莫泊芬的 (4,4) 活性空间模型较小，但仍捕捉到了关键的电子跃迁，其 STEOM-CIS 振子强度在原子单位下范围为 0.0295 至 2.5653。
• 与 [Fe]氢化酶相比，替莫泊芬的嵌入校正更为显著，表明在光化学体系中量子优势的潜力可能高于基态酶促反应。
• QPE 结果中第三与第四激发态（Ψ₃ 与 Ψ₄）的简并性仅在更高精度下被解除，表明未来实现需提升量子比特相干性与电路深度。