唯一机械|首次模拟化学反应，谷歌新研究登上Science封面，将量子计算机当作神经网络( 二 ) 作者|青暮准确的电子结构计算被认为是

量子计算中的错误源于量子电路与环境的相互作用，从而导致逻辑运算出现错误。即使很小的温度波动也可能导致量子比特错误。
在当下，用于模拟化学反应的量子算法必须以较低的成本解决这些错误，无论是在量子比特的数量方面，还是在额外的量子资源方面，例如实现量子纠错码。
【唯一机械|首次模拟化学反应，谷歌新研究登上Science封面，将量子计算机当作神经网络】解决错误最流行的方法是使用VQE 。谷歌选择了几年前开发的VQE ，它将量子处理器看成神经网络，并通过最小化成本函数来优化量子电路的参数。就像传统的神经网络可以通过优化弥补数据中的缺陷， VQE可以动态调整量子电路参数以解决量子计算过程中发生的错误。

文章图片
图1：基础旋转电路和编译。 a）电路图的左边是H12链的初始轨道，原子间距为1.3A ，是通过将哈密顿量对角化而忽略电子-电子相互作用而获得的。电路图描绘了十二个氢原子线性链的基本旋转ansatz 。每个具有旋转角度θ的灰色框代表一个Givens旋转门。 b）将Givens旋转门编译为√iswap门和单量子比特门，可以直接在硬件中实现。 H12电路涉及72个√iswap门和108个单量子比特Z旋转门，总共有36个变分参数。 c）在整个54比特Sycamore器件的子网格上描绘十二个量子线。所有电路仅需要执行在线性拓扑中相邻的量子比特对之间的量子门。
2通过Sycamore实现高精度模拟
该实验在Sycamore处理器上运行。尽管这次的实验需要的量子比特更少，但是求解化学键合需要更高的量子门保真度。于是，谷歌开发了新的、有针对性的校准技术，该技术可以最优地放大错误，从而可以对其进行诊断和纠正。

文章图片
图2：在Sycamore处理器的10、12量子比特上，通过Hartree-Fock模型对分子几何形状进行能量预测，展示了VQE在区分二氮烯异构化机制上的性能，异构化指的是二氮烯的顺式（cis）和反式（trans）结构。 TS1和TS2分别是氢在平面内和平面外旋转的过渡状态。 TS1和TS2上的黄色箭头表示相应的反应坐标。在上图中，实曲线是通过优化10个量子比特问题获得的能量，该问题是通过冻结由两个自洽场周期生成的核心轨道而生成的。相同颜色的透明线是完整的12量子比特系统的能量，表明冻结最低的两个能级不会更改模型化学的特性。谷歌使用VQE在Sycamore上模拟了反应路径上的九个点。
量子计算中的错误来自量子硬件堆栈，有多种来源。 Sycamore有54个量子比特，由140多个单独可调的元件组成，每个元件都由高速的模拟电脉冲控制。要实现对整个设备的精确控制，需要对2,000多个控制参数进行微调，即使是微小错误也可以迅速让计算中的总体错误扩大。
为了准确地控制设备，谷歌使用了自动化的框架，该框架将控制问题映射到具有数千个节点的图形上，每个节点代表一个物理实验以确定一个未知参数。遍历此图可实现高保真量子处理器，并且可以在不到一天的时间内完成。最终，这些技术与算法错误缓解技术一起降低了错误的数量级。

文章图片

文章图片
图3：氢原子线性链的能量随着每个原子之间的键距增加而增加。实线是使用经典计算机进行的Hartree-Fock模拟，而点是使用Sycamore处理器计算得到的。在H8、H10和H12上进行的实验表明，缓解错误后性能得到了相似的提高。