⚛️ quantum physics

Molecular Excited States using Quantum Subspace Methods: Accuracy, Resource Reduction, and Error-Mitigated Hardware Implementation of q-sc-EOM

تُثبت هذه الدراسة أن خوارزمية q-sc-EOM، المعززة بتقنيات تقليص القياس واستراتيجيات تخفيف الأخطاء، يمكنها حساب أسطح طاقة الوضع للحالات المثارة بدقة على الأجهزة الكمومية الحالية، مما يمثل خطوة هامة نحو تحقيق المنفعة الكمومية العملية في المحاكاة الكيميائية.

المؤلفون الأصليون: Srivathsan Poyyapakkam Sundar, Prince Frederick Kwao, Alexey Galda, Ayush Asthana

نُشر 2026-04-08

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Srivathsan Poyyapakkam Sundar, Prince Frederick Kwao, Alexey Galda, Ayush Asthana

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تحاول التنبؤ بكيفية سلوك آلة معقدة، مثل محرك سيارة أو تفاعل كيميائي، عندما تدفعها إلى أقصى حدودها. في عالم الكيمياء، يشبه هذا محاولة فهم ما يحدث عندما يتم شد الروابط الجزيئية حتى تنكسر، أو عندما يتم استثارة الجزيء بواسطة الضوء.

لعقود من الزمن، استخدم العلماء حواسيب كلاسيكية قوية لمحاكاة هذه السيناريوهات. ولكن هناك مشكلة: عندما تصبح الجزيئات "مجهدة" حقًا (مثل عند انكسار الروابط أو عندما تكون الإلكترونات شديدة الترابط)، تصطدم الحواسيب الكلاسيكية بحائط مسدود. تبدأ في تقديم تخمينات بسيطة للغاية، مما يؤدي إلى إجابات خاطئة. الأمر يشبه محاولة التنبؤ بالطقس أثناء إعصار باستخدام بارومتر بسيط؛ الأدوات ليست متطورة بما يكفي لاستيعاب هذه الفوضى.

هذه الورقة البحثية تدور حول استخدام الحواسيب الكمومية لحل هذه المشكلات الفوضوية والمعقدة، وبالتحديد التركيز على الحالات المثارة (عندما يمتلك الجزيء طاقة إضافية). إليك شرح مبسط لما قام به الباحثون، باستخدام بعض التشبيهات من الحياة اليومية.

1. المشكلة: سيناريو "السيارة المعطلة"

فكر في الجزيء كأنه سيارة.

القيادة العادية (الحالة الأرضية): السيارة تعمل بسلاسة. الحواسيب الكلاسيكية (مثل نظام GPS قياسي) يمكنها التنبؤ بالمسار بشكل مثالي.
تعطل السيارة (الحالة المثارة/انكسار الروابط): السيارة تتعرض لحادث، الأجز تطير في كل مكان، والمحرك يتوقف عن العمل بشكل متقطع. الحواسيب الكلاسيكية ترتبك وتعطي اتجاهات خاطئة.
الحل الكمومي: الحواسيب الكمومية تشبه ميكانيكيًا فائق الذكاء يمكنه رؤية الفوضى من بُعد آخر. هو لا يخمن فحسب، بل يحاكي الفيزياء الفعلية للحادث ليخبرك بالضبط بما يحدث.

2. مجموعة الأدوات: بناء الخريطة الصحيحة

لجعل الحاسوب الكمومي يقوم بهذا العمل، دمج الباحثون ثلاث أدوات (خوارزميات) محددة:

ADAPT-VQE (البناء التكيفي): تخيل أنك تبني قلعة من قطع الليغو. بدلاً من استخدام صندوق جاهز من القطع (الذي قد لا يكون مناسبًا)، تقوم هذه الأداة بإضافة قطعة واحدة في كل مرة، وتختار فقط القطعة التي تجعل القلعة أكثر استقرارًا. إنها تبني "الحالة الأرضية" المثالية (نقطة البداية) للجزيء.
LUCJ (الموصل المحلي): الحواسيب الكمومية حاليًا هشة ومليئة بالضجيج. هذه الأداة تشبه قاعدة "الجيران المحليين". بدلاً من مطالبة كل قطعة ليغو بالتواصل مع كل القطع الأخرى عبر القلعة بأكملها (مما يستغرق وقتًا طويلاً ويسبب أخطاءً)، فإنها تسمح فقط للقطع المتقاربة بالتواصل فيما بينها. هذا يجعل العملية أسرع وأقل عرضة للأخطاء.
q-sc-EOM (محقق الحالة المثارة): بمجرد بناء الحالة الأرضية، تعمل هذه الأداة كمحقق. تسأل: "إذا نقرنا هذا الجزيء، فماذا سيحدث؟" إنها تحسب طاقة الحالات المثارة دون الحاجة إلى محاكاة الكون بأكمله مرة أخرى.

3. العقبة: مشكلة "المكتبة"

وجد الباحثون مشكلة رئيسية: لكي يحصل الحاسوب الكمومي على إجابات دقيقة، كان عليه طرح الكثير من الأسئلة.

التشبيه: تخيل أنك تحاول العثور على كتاب محدد في مكتبة. الطريقة القديمة (القوة الغاشمة - Brute Force) تتطلب منك السير في كل الممرات، وفحص كل رف، وقراءة عنوان كل كتاب. إذا كانت المكتبة تحتوي على 1,000 كتاب، فستحتاج إلى 1,000 رحلة. وإذا كانت تحتوي على 1,000,000 كتاب، فستحتاج إلى 1,000,000 رحلة. هذا ما يسمونه التوسع بنمط O(N¹²) — وهو أمر يصبح مستحيلاً بسرعة كبيرة.

الحل: "أمين المكتبة الذكي"
قدم الباحثون خدعتين لتسريع هذه العملية:

خوارزمية دافيدسون (Davidson Algorithm): بدلاً من فحص كل كتاب، تعمل هذه الخوارزمية مثل أمين مكتبة ذكي يعرف بالضبط في أي قسم يوجد الكتاب. إنها تضيق نطاق البحث ليشمل الأرفف ذات الصلة فقط. وهذا يقلل وقت السير بشكل كبير.
تجميع تدوير القاعدة (Basis Rotation Grouping): تخيل أنه يتعين عليك قياس وزن 100 فاكهة مختلفة. بدلاً من وزن كل واحدة على حدة، تضعها في مجموعات بناءً على نوعها (كل التفاح معًا، كل البرتقال معًا) وتزن المجموعات. هذا يقلل من عدد الرحلات إلى الميزان.

النتيجة: لقد خفضوا "وقت السير" من 1,000,000 رحلة إلى 10,000 رحلة فقط. وهذا يجعل الطريقة قابلة للتوسع لتشمل جزيئات أكبر.

4. اختبار الواقع: التجربة على أجهزة حقيقية

لم يكتفوا بتشغيل هذا على محاكاة مثالية؛ بل جربوه على حاسوب كمومي حقيقي (أجهزة IBM).

مشكلة الضجيج: الحواسيب الكمومية الحقيقية تشبه محاولة سماع همس في وسط حفلة روك صاخبة. هناك "ضجيج" (تشويش) ناتج عن الأجهزة نفسها.
النتائج:
- ضجيج أخذ العينات (التشويش): ظنوا أن المشكلة الرئيسية ستكون مجرد عدم أخذ عينات كافية (مثل التقاط صورة ضبابية). وجدوا أنه حتى مع الكثير من العينات، كانت النتائج جيدة.
- ضجيج البوابات (الميكروفون المعطل): المشكلة الحقيقية كانت في الأجهزة نفسها التي ترتكب أخطاءً أثناء الحساب (البوابات). الأمر يشبه وجود تشويه في صوت الميكروفون.
- تخفيف الخطأ: استخدموا "سماعات إلغاء الضجيج" (تقنيات مثل إسقاط التماثل) لتنقية الإشارة. لقد ساعد ذلك، لكن الأجهزة لا تزال "صاخبة" بعض الشيء للحصول على نتائج مثالية في الوقت الحالي.

5. الصورة الكبيرة: لماذا يهم هذا؟

اختبر الباحثون هذه الطريقة على جزيئات مثل الأمونيا (NH3) والماء (H2O) عند انكسار روابطها.

الحواسيب الكلاسيكية فشلت في التنبؤ بالطاقة بدقة بمجرد بدء تمدد الروابط.
الطريقة الكمومية (حتى مع الأجهزة الحالية المليئة بالضجيج) اقتربت كثيراً من الحقيقة.

الخلاصة:
هذه الورقة البحثية هي بمثابة خارطة طريق. تقول: "لدينا الخريطة الصحيحة (الخوارزميات)، ونعرف كيف نجعل الرحلة أسرع (تقليل الموارد). الشيء الوحيد الذي يعيقنا هو أن المركبة (الحاسوب الكمومي) وعرة الطريق حالياً".

مع تحسن الحواسيب الكمومية وانخفاض ضجيجها، ستسمح لنا هذه الطريقة بتصميم أدوة جديدة، وخلايا شمسية أفضل، ومواد أقوى من خلال محاكاة التفاعلات الكيميائية التي يستحيل التنبؤ بها حالياً. نحن ننتقل من "الإمكانية النظرية" إلى "المنفعة العملية".

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "الحالات المثارة الجزيئية باستخدام طرق الفضاء الجزئي الكمي: الدقة، تقليل الموارد، والتنفيذ على الأجهزة مع تخفيف الخطأ لـ q-sc-EOM."

1. بيان المشكلة

لا يزال محاكاة الحالات المثارة الجزيئية بدقة، خاصة في الأنظمة التي تتضمن ارتباطاً إلكترونياً قوياً (مثل كسر الروابط، والتقاطعات المخروطية، والأنظمة متعددة المراجع)، يمثل تحدياً كبيراً للكيمياء الحسابية الكلاسيكية.

القيود الكلاسيكية: غالباً ما تفشل الطرق القياسية مثل "Coupled Cluster Singles and Doubles with perturbative Triples (CCSD(T))" و "Equation of Motion-CCSD (EOM-CCSD)" عندما تظهر الحالة الأرضية طابعاً قوياً متعدد المراجع. وبينما توجد طرق مثل CASPT2 و DMRG، إلا أن قدرتها على التوسع محدودة.
الفرصة الكمية: توفر الحواسيب الكمية مساراً لحل مشكلة البنية الإلكترونية ذات التوسع الأسي. ومع ذلك، فإن الأجهزة الكمية الحالية هي أجهزة ضوضائية (عصر NISQ)، وغالباً ما تعاني الخوارزميات الحالية للحالات المثارة من تكاليف قياس باهظة (تدرج الطلقات/shot scaling) والحساسية لضوضاء الأجهزة.
التحدي المحدد: تعالج الورقة الحاجة إلى خوارزمية كمية قابلة للتوسع، دقيقة، ومجدية تقنياً للحالات المثارة يمكنها التفوق على الطرق الكلاسيكية في السيناريوهات الكيميائية الصعبة، مع التخفيف من العبء الهائل للموارد (تحديداً تدرج القياس $O(N^{12})$ ) المرتبط بالمقاربات الحالية.

2. المنهجية

يقترح المؤلفون سير عمل هجين (كمي-كلاسيكي) يجمع بين ثلاثة مكونات أساسية:

أ. تحضير الحالة الأرضية

لتوليد حالة مرجعية عالية الجودة ( $|\Psi_{VQE}\rangle$ ) مطلوبة لحسابات الحالة المثارة، تم استخدام نوعين من الـ "ansätze" المتغيرة:

ADAPT-VQE (Adaptive Derivative Assembled Pseudo Trotter): يقوم ببناء الـ "ansatz" ديناميكياً عن طريق إضافة المشغلات (operators) ذات أعلى تدرج للطاقة بشكل تكراري. هذا يلتقط الارتباط القوي بفعالية، ولكنه يتطلب تقليدياً أعداداً كبيرة من القياسات.
LUCJ (Local Unitary Cluster Jastrow): وهو "ansatz" فعال من حيث الأجهزة، يقيد عمليات التشابك ضمن اتصال الكيوبتات المحلي، مما يقلل من عمق الدائرة وتكاليف الـ SWAP مع الحفاظ على الدافع الكيميائي.

ب. حساب الحالة المثارة: q-sc-EOM

يُستخدم منهج "Quantum Self-Consistent Equation of Motion (q-sc-EOM)" لحساب الحالات المثارة.

يقوم بحل مسألة القيم الذاتية المعممة $MC = CE$ ، حيث $M$ هي مصفوفة من مشغلات الاستثارة التي تعمل على الحالة الأرضية.
بخلاف qEOM القياسي، يضمن q-sc-EOM اتساق الحجم (size-extensivity) والتعامد الصحيح (تحقيق "الشرط القاتل/killer condition")، مما يجعله صارماً نظرياً وقوياً ضد أخطاء القياس.

ج. استراتيجيات تقليل الموارد

للتغلب على تدرج القياس $O(N^{12})$ الخاص بتنفيذ q-sc-EOM الخام، تم دمج استراتيجيتين رئيسيتين:

خوارزمية ديفيدسون (Davidson Algorithm): تم تكييفها للحوسبة الكمية لتوسيع فضاء المتجهات التخمينية بشكل تكراري نحو الحالات الذاتية المستهدفة. وهذا يتجنب حساب جميع عناصر المصفوفة، مما يقلل التدرج من $O(N^{12})$ إلى حوالي $O(N^8)$ .
تجميع دوران القاعدة (Basis Rotation Grouping - BRG): يستخدم تحليل الرتبة المنخفضة لموتر الإلكترون الثنائي ( $g_{pqrs}$ ) لرسم خريطة الهاملتوني إلى شكل قطري في قواعد مدارية مدورة. هذا يقلل من مجموعات القياس بشكل كبير، مما يخفض التدرج أكثر ليصل إلى $O(N^5)$ .

د. تخفيف الخطأ

في الأجهزة، استخدمت الدراسة مجموعة من تقنيات التخفيف:

تجميع باولي (Pauli Grouping): ضغط القياسات عبر تجميع حدود باولي التي تتبادل (commuting).
تخفيف خطأ القراءة M3 (M3 Readout Mitigation): تصحيح خطأ القياس الخالي من المصفوفة بناءً على معايرات التعيين المحلية.
الاستبعاد اللاحق بالتماثل (Symmetry Postselection): تصفية السلاسل البتية (bitstrings) لفرض حفظ عدد الجسيمات ( $N_\alpha, N_\beta$ ) واللف المغزلي ( $S_z$ ).
تخصيص الطلقات التكيفي (Adaptive Shot Allocation): توزيع الطلقات ديناميكياً بناءً على تباين عناصر المصفوفة.

3. المساهمات الرئيسية

التكامل الخوارزمي: النجاح في الجمع بين ADAPT-VQE/LUCJ مع q-sc-EOM لإنشاء سير عمل قوي للحالات المثارة في الأنظمة ذات الارتباط القوي.
طفرة في القابلية للتوسع: إثبات أن الجمع بين خوارزمية ديفيدسون وتجميع دوران القاعدة (BRG) يقلل من تدرج عدد الطلقات من $O(N^{12})$ إلى $O(N^5)$ ، مما يجعل الطريقة قابلة للتطبيق على الجزيئات الأكبر.
اختبار الأداء على الأجهزة: تقديم أحد أوائل التنفيذات التفصيلية لـ q-sc-EOM على أجهزة كمية حقيقية (IBM Pittsburgh) ومحاكيات، مع تحليل دقيق لمصادر الخطأ.
تحديد مصادر الخطأ: تحديد أن أخطاء البوابة (gate-level noise) (الأخطاء المتماسكة، والتداخل/crosstalk) هي العائق الرئيسي الذي يحد من الدقة في الأجهزة الحالية المخصصة لحسابات الحالات المثارة، وليس مجرد أخطاء القراءة.

4. النتائج

أ. الدقة مقابل الطرق الكلاسيكية (المحاكاة)

الأنظمة المختبرة: الأمونيا ( $NH_3$ ) والماء ( $H_2O$ ) أثناء عملية كسر رابطتين في آن واحد.
الأداء: أنتج النهج الكمي (ADAPT-VQE + q-sc-EOM) أسطح طاقة جهدية تطابق نماذج Full Configuration Interaction (FCI) المرجعية بشكل وثيق.
المقارنة: في نظام كسر الروابط حيث تصبح الحالة الأرضية متعددة المراجع، فشلت طريقة EOM-CCSD الكلاسيكية في إعادة إنتاج الحالات المثارة بدقة. حافظت الطريقة الكمية، من خلال التقاط طابع تعدد المراجع للحالة الأرضية عبر ADAPT-VQE، على دقة عالية حتى في هذه الأنظمة الصعبة.
المقاومة للضوضاء: حتى مع وجود ضوضاء أخذ العينات الإحصائية (shot noise)، تفوقت الخوارزمية الكمية على EOM-CCSD في وصف الحالات المثارة المزدوجة.

ب. كفاءة الموارد

نجح الجمع بين ديفيدسون وBRG في تقليل تدرج عدد الطلقات الفعال إلى $O(N^5)$ .
أظهرت اختبارات الدقة على سلاسل الهيدروجين الخطية ( $H_2$ إلى $H_{10}$ ) أن BRG يحافظ على دقة الطاقة (أخطاء $< 10^{-6}$ وحدة هارتري) مع تقليل عدد مجموعات القياس بشكل جذري.

ج. التنفيذ على الأجهزة

الإعداد: أُجريت التجارب على جهاز IBM Pittsburgh (وFakeTorino) باستخدام ansatz LUCJ للحالة الأرضية.
الدقة: مع تخفيف الخطأ (M3 + Symmetry Postselection)، وصلت طاقات الحالة المثارة لـ $H_2O$ و $H_2$ إلى دقة ضمن 50 ملي هارتي (mHa) من القيم الدقيقة.
تحليل الخطأ:
- لم يؤدِ زيادة عدد الطلقات (shots) إلى تحسين النتائج بشكل كبير بعد نقطة معينة، مما يشير إلى أن أخطاء البوابات، وليس ضوضاء أخذ العينات، هي العامل المحدد.
- أظهرت تقنيات مثل Twirling و Zero Noise Extrapolation نتائج مختلطة أو ضئيلة التأثير، بينما قدم Symmetry Postselection التحسن الأكثر اتساقاً.
- سلطت النتائج الضوء على أن ضوضاء الأجهزة الحالية تسبب انحيازات منهجية يتم تضخيمها عبر عملية قطر المصفوفة الفرعية.

5. الأهمية والخاتمة

يؤسس هذا العمل مساراً واضحاً نحو المنفعة الكمية في كيمياء الحالات المثارة.

الجدوى الخوارزمية: يثبت أن طرق الفضاء الجزئي الكمي ليست سليمة نظرياً فحسب، بل أصبحت أيضاً قابلة للتطبيق خوارزمياً للمشكلات الكيميائية ذات الصلة، خاصة حيث تفشل الطرق الكلاسيكية (الأنظمة متعددة المراجع).
تحسين الموارد: يعد تقليل تدرج القياس إلى $O(N^5)$ خطوة حاسمة نحو تطبيق هذه الطرق على جزيئات أكبر ذات أهمية صناعية.
الواقعية في مواجهة الأجهزة: يوفر البحث تقييماً واقعياً لقدرات الأجهزة الحالية، حيث حدد دقة البوابة كعائق أساسي. ويشير إلى أنه بينما يمكن للأجهزة الحالية تقديم رؤى نوعية ونتائج شبه كمية (ضمن نطاق 50 mHa)، فإن تحقيق "الدقة الكيميائية" (1 كيلو كالوري/مول $\approx$ 1.6 mHa) للحالات المثارة المعقدة سيتطلب تحسينات جوهرية في دقة البوابات وتقنيات تخفيف خطأ أكثر تقدماً مصممة خصيصاً للفضاءات الجزئية للحالات المثارة.

باختصار، تُظهر هذه الورقة أنه من خلال الجمع بين تحضير الحالة الأرضية التكيفي، وصيغة الحالة المثارة الصارمة (q-sc-EOM)، واستراتيجيات تقليل الموارد القوية، يمكن للحواسيب الكمية أن تبدأ في حل مشكلات الحالات المثارة التي تستعصي على الحواسيب الكلاسيكية، شريطة إدارة ضوضاء الأجهزة بشكل كافٍ.