[论文解读] Simulating challenging correlated molecules and materials on the Sycamore quantum processor

Ruslan N. Tazhigulov, Shining Sun+7 more|arXiv (Cornell University)|Mar 29, 2022

Quantum and electron transport phenomena被引用 6

一句话总结

该论文首次在谷歌的Sycamore超导量子处理器上实现了对现实世界关联电子体系——氮氧合酶Fe-S簇和α-RuCl₃——的量子模拟。通过将电子结构映射到适用于当前量子硬件的低能自旋模型，并应用先进的错误缓解技术，作者仅使用了人工量子优越性实验中约1/5的门资源，便实现了定量上有意义的结果，展示了从基准任务迈向物理上相关量子优越性的可行路径。

ABSTRACT

Simulating complex molecules and materials is an anticipated application of quantum devices. With strong quantum advantage demonstrated in artificial tasks, we examine how such advantage translates into modeling physical problems of correlated electronic structure. We simulate static and dynamical electronic structure on a superconducting quantum processor derived from Google's Sycamore architecture for two representative correlated electron problems: the nitrogenase iron-sulfur molecular clusters, and $α$-ruthenium trichloride, a proximate spin-liquid material. To do so, we simplify the electronic structure into low-energy spin models that fit on the device. With extensive error mitigation and assistance from classically simulated data, we achieve quantitatively meaningful results deploying about 1/5 of the gate resources used in artificial quantum advantage experiments on a similar architecture. This increases to over 1/2 of the gate resources when choosing a model that suits the hardware. Our work serves to convert artificial measures of quantum advantage into a physically relevant setting.

研究动机与目标

• 评估在人工任务上展示的量子优越性是否可转化为对关联电子体系的物理相关模拟。
• 使用超导量子处理器模拟氮氧合酶Fe-S簇和α-RuCl₃的静态与动力学电子结构。
• 评估面向硬件的模型与错误缓解技术对真实材料量子模拟精度的影响。
• 对比物理模拟与随机电路量子优越性实验所使用的量子资源需求。
• 在人工量子优越性指标与有意义的量子化学与材料科学问题模拟之间建立桥梁。

提出的方法

• 将Fe-S簇和α-RuCl₃中的复杂电子结构问题映射为适合当前量子硬件的低能自旋哈密顿量。
• 采用有限温度量子虚时演化并结合重新编译技术，模拟热力学与动力学性质。
• 应用广泛的错误缓解技术，包括单量子比特与双量子比特门基准测试，以及利用可处理模拟的古典数据进行后处理。
• 采用混合方法，结合量子硬件运行与经典模拟的参考数据，以提高保真度与可解释性。
• 利用经典重新编译优化电路设计，减少门数并提升Weber处理器上的性能。
• 基于硬件性能指标（单量子比特RB误差与双量子比特iSWAP XEB误差）选择最优量子比特区域，以增强门保真度。

实验结果

研究问题

• RQ1 在当前的含噪声中等规模量子（NISQ）硬件上，对真实关联材料的量子模拟能否实现具有物理意义的结果？
• RQ2 模拟真实材料所需的量子资源与人工优越性演示中使用的资源相比如何？
• RQ3 错误缓解与经典数据辅助在多大程度上可弥补模拟复杂电子结构问题时的硬件限制？
• RQ4 将模型哈密顿量调校以匹配硬件特性，对模拟保真度与资源效率有何影响？
• RQ5 量子处理器能否以定量精度模拟关联材料的有限温度与动力学性质？

主要发现

• 对4个自旋的Fe-S簇和6个自旋的α-RuCl₃模型的模拟，通过有效的错误缓解，成功再现了定性正确的自旋结构、激发态谱与比热，结果具有物理意义。
• 对于10个自旋的α-RuCl₃模型（310个双量子比特门），数据退化导致无法获得可靠的物理谱，表明当前硬件在门数上存在上限。
• 6个自旋的α-RuCl₃模拟中，动力学关联函数的频率结构在错误缓解与后处理后得以保持。
• 用于物理模拟的量子资源约为相同架构上类似优越性实验所用资源的1/5。
• 当模型与硬件特性相匹配时，可有效利用超过优越性实验中所用门资源的一半，同时保持物理相关性。
• 本研究证明，当结合错误缓解与经典辅助时，人工优越性指标可被有意义地重新解释为物理相关量子模拟的基准。