[论文解读] Simulating Quantum Materials with Digital Quantum Computers

Lindsay Bassman, Miroslav Urbánek+4 more|arXiv (Cornell University)|Jan 21, 2021

Quantum Computing Algorithms and Architecture参考文献 8被引用 10

一句话总结

本文综述了数字量子计算机（DQC）在量子材料模拟中的现状，详细介绍了硬件、算法及量子比特编码方法。研究展示了在当前噪声量子处理器上可行模拟静态与动态材料性质，提供了代码示例，以促进材料科学与量子物理领域的广泛应用。

ABSTRACT

Quantum materials exhibit a wide array of exotic phenomena and practically useful properties. A better understanding of these materials can provide deeper insights into fundamental physics in the quantum realm as well as advance technology for entertainment, healthcare, and sustainability. The emergence of digital quantum computers (DQCs), which can efficiently perform quantum simulations that are otherwise intractable on classical computers, provides a promising path forward for testing and analyzing the remarkable, and often counter-intuitive, behavior of quantum materials. Equipped with these new tools, scientists from diverse domains are racing towards achieving physical quantum advantage (i.e., using a quantum computer to learn new physics with a computation that cannot feasibly be run on any classical computer). The aim of this review, therefore, is to provide a summary of progress made towards this goal that is accessible to scientists across the physical sciences. We will first review the available technology and algorithms, and detail the myriad ways to represent materials on quantum computers. Next, we will showcase the simulations that have been successfully performed on currently available DQCs, emphasizing the variety of properties, both static and dynamic, that can be studied with this nascent technology. Finally, we work through two examples of how to map a materials problem onto a DQC, with full code included in the Supplementary Material. It is our hope that this review can serve as an organized overview of progress in the field for domain experts and an accessible introduction to scientists in related fields interested in beginning to perform their own simulations of quantum materials on DQCs.

研究动机与目标

• 为物理学、化学及材料科学等领域的科学家提供一份全面且易于理解的数字量子计算机（DQC）在量子材料研究中应用的综述。
• 通过实用示例，弥合量子计算专家与领域科学家之间的鸿沟，阐明如何将材料问题映射到DQC上。
• 突出展示在近期含噪声中等规模量子（NISQ）设备上模拟静态与动态量子材料性质的当前进展。
• 识别关键挑战——如噪声、量子比特数量与错误率——并提出迈向材料科学中物理量子优势的路径。
• 通过在补充材料中提供完整代码示例与高层软件抽象，使研究人员能够开始自主开展量子模拟。

提出的方法

• 调研当前的量子硬件平台，包括超导、离子阱、光子以及新兴的量子比特技术，重点关注其在材料模拟中的适用性。
• 回顾材料模拟中的关键量子算法，包括基态与热态制备、哈密顿量演化以及费米子与自旋系统嵌入方法。
• 详细阐述量子比特编码技术，如第一和第二量化方法，重点介绍费米子到量子比特映射技术，如Jordan-Wigner与Bravyi-Kitaev变换。
• 提出一种系统化方法，将材料问题映射到量子比特上，包括哈密顿量离散化与高效模拟的量子化方法。
• 在真实与噪声量子后端上，展示静态（基态、激发态、热态）与动态（磁化强度、关联函数、非平衡动力学）性质的实际模拟。
• 在补充材料中提供端到端的代码示例，涵盖静态与动态模拟，以实现可复现性并推动社区采纳。

实验结果

研究问题

• RQ1 如何在数字量子计算机上高效编码并模拟具有强电子关联与纠缠特性的量子材料？
• RQ2 当前近中期量子硬件在模拟真实量子材料方面存在哪些限制？这些限制如何缓解？
• RQ3 在NISQ设备上模拟量子材料的静态与动态性质时，哪些量子算法与编码方式最为有效？
• RQ4 当前量子处理器在多大程度上能够模拟经典方法难以处理的磁化强度与动力学关联函数等性质？
• RQ5 量子材料的量子模拟在多大程度上可反哺未来量子硬件的设计与优化？

主要发现

• 尽管存在噪声与量子比特数量有限的问题，当前数字量子计算机已成功实现量子材料的原理验证模拟，包括基态能量计算与动力学关联函数模拟。
• 采用如Bravyi-Kitaev等先进量子比特编码可减少费米子系统在材料模拟中的量子比特需求，并提升可扩展性。
• 当前量子硬件受限于门保真度与相干时间，模拟深度通常仅能支持几十个门，从而限制了可研究材料的复杂度。
• 在量子模拟器与真实设备上进行的噪声感知模拟表明，误差缓解技术对从近期量子后端提取有意义结果至关重要。
• 将量子模拟与量子硬件开发相结合，可形成反馈回路——利用量子计算机模拟并优化其自身运行的硬件。
• 补充材料中提供的完整代码示例，使来自不同背景的研究人员能够复现并扩展模拟工作，从而加速科学社区的采纳进程。