Feasibility of performing quantum chemistry calculations on quantum computers

Die Autoren stellen zwei Kriterien auf, die zeigen, dass die Durchführung relevanter quantenchemischer Berechnungen auf Quantencomputern aufgrund der Dekohärenzempfindlichkeit beim VQE und der Orthogonalitätskatastrophe beim QPE mit derzeitigen Technologien unwahrscheinlich ist.

Das Wesentliche

Stellen Sie sich vor, Sie wollen das perfekte Rezept für einen Kuchen finden. In der Welt der Quantencomputer ist dieser „Kuchen" ein Molekül, und das „perfekte Rezept" ist die genaueste Berechnung seiner Energie. Wissenschaftler hoffen schon lange, dass Quantencomputer diese Aufgabe viel besser lösen können als herkömmliche Supercomputer.

Ein neues Papier von Forschern aus Grenoble und Paris sagt jedoch: „Halt, stopp! Es ist viel schwieriger als gedacht."

Die Autoren haben sich zwei der vielversprechendsten Methoden angesehen, um Moleküle auf Quantencomputern zu berechnen. Sie haben zwei große Hindernisse entdeckt, die wie massive Mauern im Weg stehen. Hier ist die Erklärung in einfachen Worten, mit ein paar anschaulichen Vergleichen.

1. Das erste Hindernis: Der laute Raum (VQE)

Die erste Methode heißt VQE. Man kann sie sich wie einen Versuch und Irrtum-Prozess vorstellen. Der Computer probiert verschiedene Konfigurationen aus, bis er die beste findet. Das Problem ist, dass aktuelle Quantencomputer sehr „laut" und fehleranfällig sind.

• Der Vergleich: Stellen Sie sich vor, Sie versuchen, eine sehr leise Geige zu stimmen, während neben Ihnen ein Düsenjet startet.
• Die Erkenntnis: Die Forscher haben herausgefunden, dass das „Rauschen" (die Fehler) im Computer nicht einfach nur ein bisschen Unsicherheit hinzufügt. Es ist schlimmer. Das Rauschen drückt das System in Zustände, die physikalisch völlig falsch sind – wie extrem hohe Energieniveaus.
• Die Konsequenz: Um ein sauberes Ergebnis zu bekommen, bräuchten wir Quantencomputer, die so perfekt sind, dass sie Fehler sofort korrigieren (sogenannte „fehlertolerante" Computer). Die aktuellen Geräte sind dafür noch viel zu ungenau. Selbst Software-Tricks, die Fehler herausrechnen sollen, kosten so viel Zeit, dass sie den Vorteil des Quantencomputers wieder aufheben.

2. Das zweite Hindernis: Die Nadel im Heuhaufen (QPE)

Die zweite Methode heißt QPE. Sie gilt als die „Königsdisziplin", funktioniert aber nur auf perfekten, fehlerfreien Computern. Sie benötigt einen guten Startpunkt – eine Annäherung an die Lösung.

• Der Vergleich: Stellen Sie sich vor, Sie suchen eine bestimmte Nadel in einem Heuhaufen. Je größer der Heuhaufen wird (also je mehr Atome das Molekül hat), desto unwahrscheinlicher wird es, dass Sie die Nadel finden, selbst wenn Sie eine bessere Suchlampe haben.
• Die Erkenntnis: Die Forscher nennen dies das „Orthogonalitäts-Katastrophe"-Phänomen. Wenn das Molekül größer wird, wird die Wahrscheinlichkeit, dass der Startzustand dem richtigen Ergebnis ähnelt, exponentiell kleiner.
• Die Konsequenz: Selbst wenn wir einen perfekten Quantencomputer hätten, würde die Methode bei großen Molekülen wahrscheinlich versagen, weil die Wahrscheinlichkeit, das richtige Ergebnis zu finden, gegen Null geht.

3. Der unterschätzte Gegner: Die klassischen Computer

Das Papier vergleicht diese Quantenmethoden auch mit dem, was wir heute schon haben: klassischen Supercomputern.

• Der Vergleich: Es ist wie ein Wettkampf zwischen einem Roboter, der noch lernt und oft hinfällt (Quantencomputer), und einem erfahrenen Koch, der zwar langsam ist, aber nie den Kuchen verbrennt (klassische Computer).
• Die Erkenntnis: Es gibt klassische Methoden (wie VMC), die dem Quantencomputer in der Genauigkeit schon jetzt überlegen sind. Und selbst wenn der Quantencomputer perfekt läuft, könnte der klassische Koch immer noch besser sein.

Fazit: Was bedeutet das für die Zukunft?

Die Autoren sind nicht pessimistisch, aber sie sind realistisch.

1. Chemie ist vielleicht nicht der erste Erfolg: Das Finden des perfekten Moleküls (Grundzustand) ist vielleicht nicht der beste Einsatzort für Quantencomputer, weil die klassischen Methoden dort schon sehr stark sind.
2. Besserer Einsatz: Vielleicht sind Quantencomputer besser darin, zu simulieren, wie sich Dinge bewegen und verändern (Dynamik), statt nur den statischen Zustand zu berechnen.
3. Noch keine Wundermaschine: Bis wir Quantencomputer nutzen können, um Medikamente zu entwickeln oder neue Materialien zu erfinden, müssen wir noch viel an der Hardware arbeiten. Die „Zauberformel" ist noch nicht da.

Kurz gesagt: Die Reise ist noch lang. Wir müssen erst lernen, den Quantencomputer leise genug zu machen und die Suche im Heuhaufen effizienter zu gestalten, bevor er uns wirklich bei chemischen Problemen hilft.

Technische Zusammenfassung

Technische Zusammenfassung: Machbarkeit von Quantenchemie-Berechnungen auf Quantencomputern

1. Problemstellung

Quantenchemie wird weithin als eine der vielversprechendsten und disruptivsten Anwendungen für Quantencomputer angesehen, insbesondere für die Berechnung der Grundzustandsenergie von Molekülen. Trotz großer Erwartungen ist es schwierig, die tatsächliche Überlegenheit (Quantum Advantage) gegenüber klassischen Methoden zu extrapolieren.
Die Autoren stellen die Frage, ob die aktuellen und absehbaren Quantenhardware-Plattformen (sowohl im NISQ- als auch im fehlertoleranten Bereich) in der Lage sind, chemisch relevante Berechnungen durchzuführen, die klassische Supercomputer nicht effizient lösen können. Das Papier untersucht die notwendigen Bedingungen für einen solchen Vorteil und identifiziert fundamentale physikalische und algorithmische Hürden.

2. Methodik

Die Autoren verwenden einen „umgekehrten" Ansatz: Statt die Leistungsfähigkeit bestehender Hardware zu extrapolieren, leiten sie notwendige Bedingungen (Kriterien) ab, die erfüllt sein müssen, um einen Quantenvorteil zu erzielen. Sie analysieren die beiden führenden Algorithmen für die Grundzustandssuche:

1. Variational Quantum Eigensolver (VQE): Für Noisy Intermediate-Scale Quantum (NISQ) Hardware.
2. Quantum Phase Estimation (QPE): Für fehlertolerante (fehlerkorrigierte) Quantencomputer.

Zusätzlich vergleichen sie VQE mit seinem klassischen Pendant, dem Variational Monte Carlo (VMC), um die relative Effizienz zu bewerten. Die Analyse stützt sich auf theoretische Herleitungen, Skalierungsargumente und numerische Simulationen (unter Verwendung von Paketen wie PySCF und myQLM-fermion).

3. Schlüsselbeiträge und Kriterien

Kriterium 1: VQE und Hardware-Fehler (Dekohärenz)

Für VQE leiten die Autoren eine Obergrenze für den tolerierbaren Hardware-Fehler ab.

• Herausforderung: VQE ist empfindlich gegenüber statistischen Unsicherheiten, Optimierungsproblemen (Barren Plateaus) und vor allem Hardware-Ungenauigkeiten/Dekohärenz.
• Physikalisches Argument: Der entscheidende Punkt ist, dass das Spektrum des Quantencomputers (Hardware-Hamiltonian $H_{hw}$) keine Korrelation mit dem Spektrum des zu untersuchenden Moleküls (Ziel-Hamiltonian $H$) aufweist.
• Folge von Dekohärenz: Dekohärenzprozesse (z. B. Relaxation) bevölkieren Zustände des Hardware-Hamiltonians. Da diese keine Korrelation zum Molekül haben, bevölkern sie im Ziel-Spektrum willkürlich hohe Energiezustände. Dies führt zu einem Rauschbeitrag zur Energie ($E_{noise}$), der oft in der Mitte des Zielspektrums liegt.
• Das Kriterium: Um eine chemische Genauigkeit $\eta_{chem}$ zu erreichen, muss der Fehler pro Gate $\epsilon$ kleiner sein als:
  $$\epsilon < \frac{\eta_{chem}}{(E_{noise} - E_V) N_g}$$
  wobei $N_g$ die Anzahl der Gatter und $(E_{noise} - E_V)$ die Energiedifferenz zwischen dem Rauschzustand und dem Variationszustand ist.
• Skalierung: Die Autoren zeigen, dass $E_{noise}$ oft mit $N^2$ skaliert (aufgrund der Coulomb-Wechselwirkung und fehlender Abschirmung im Rauschzustand), während die Zielenergie nur mit $N$ skaliert.

Kriterium 2: QPE und Orthogonalitätskatastrophe

Für QPE ist die Überlappung (Overlap) zwischen dem Eingangsstate $|\Phi\rangle$ und dem wahren Grundzustand $|\Psi_0\rangle$ entscheidend.

• Herausforderung: QPE benötigt eine hohe Überlappung $\Omega = |\langle \Phi | \Psi_0 \rangle|^2$, um erfolgreich zu sein.
• Kriterium: Die Autoren nutzen einen Satz (basierend auf Imaginary-Time-Evolution), um $\Omega$ basierend auf der Energie $E$ und der Energievarianz $\sigma^2$ des Eingangsstates abzuschätzen:
  $$\Omega \approx e^{-I_\Omega}, \quad \text{mit } I_\Omega \approx \frac{(E - E_0)^2}{2\sigma^2}$$
• Orthogonalitätskatastrophe: Die Analyse zeigt, dass der Überlappungsindex $I_\Omega$ eine extensive Größe ist ($I_\Omega \propto N$). Folglich nimmt die Überlappung $\Omega$ exponentiell mit der Systemgröße $N$ ab:
  $$\Omega \approx e^{-\alpha N}$$
  Dies bedeutet, dass die Erfolgswahrscheinlichkeit von QPE für große Systeme exponentiell sinkt, selbst wenn die Energie des Eingangsstates gut ist.

Vergleich VQE vs. VMC

Die Autoren vergleichen VQE mit dem klassischen Variational Monte Carlo (VMC).

• Vorteile von VMC: Keine Dekohärenz, Varianzreduktion (die Varianz der lokalen Energie verschwindet, wenn sich der Ansatz dem Grundzustand nähert), effiziente Gradientenberechnung (Backpropagation).
• Nachteile von VQE: Dekohärenz begrenzt die Schaltungstiefe, keine Varianzreduktion bei Pauli-Messungen, teure Gradientenberechnung auf Quantenhardware.
• Fazit: Selbst bei perfekten Quantencomputern könnte VMC VQE überlegen bleiben.

4. Ergebnisse

1. VQE und Dekohärenz:

   • Dekohärenz ist extrem schädlich für die Genauigkeit von VQE.
   • Um chemische Genauigkeit für ein Molekül wie Benzene (30 Elektronen, 108 Orbitale) zu erreichen, wird ein effektiver Fehler pro Gate von $\epsilon \le 10^{-12}$ benötigt.
   • Selbst mit fortgeschrittenen Fehlermitigations-Techniken (Error Mitigation) bleibt die Anforderung unrealistisch hoch ($\epsilon_{bare} \le 10^{-9}$), da Mitigation exponentiell mehr Messungen (Shots) erfordert.
   • Aktuelle Hardware (Fehler $\approx 1\%$) ist um viele Größenordnungen zu fehleranfällig.

2. QPE und Überlappung:

   • Die Orthogonalitätskatastrophe ist ein generisches Problem für QPE in der Quantenchemie.
   • Die Wahrscheinlichkeit, den Grundzustand zu finden, nimmt exponentiell mit der Systemgröße ab.
   • Dies macht QPE für große, korrelierte Systeme ineffizient, es sei denn, es werden aufwendige klassische Vorrechnungen genutzt, was den Quantenvorteil wieder zunichtemachen kann.

3. Hardware-Anforderungen:

   • Für VQE sind fehlertolerante Quantencomputer notwendig, nicht nur NISQ-Hardware.
   • Für QPE sind nicht nur fehlertolerante Computer nötig, sondern auch Methoden zur Vorbereitung von Zuständen mit hoher Überlappung, die bei großen Systemen schwer zu finden sind.

5. Signifikanz und Schlussfolgerung

Das Papier stellt die gängige Annahme in Frage, dass Quantencomputer in naher Zukunft einen praktischen Vorteil in der Quantenchemie (speziell Grundzustandsenergie) bieten werden.

• Hauptkonklusion: Die Suche nach der Grundzustandsenergie von Molekülen ist möglicherweise nicht das geeignetste Ziel für Quantencomputer. Klassische Methoden (wie Coupled Cluster oder DMRG) sind bereits sehr gut, und die Hürden für Quantencomputer (Dekohärenz bei VQE, Orthogonalitätskatastrophe bei QPE) sind enorm.
• Alternative: Die Autoren schlagen vor, dass die dynamische Evolution von Quanten-Vielteilchensystemen ein besseres Ziel für Quantencomputer sein könnte (wie ursprünglich von Feynman vorgeschlagen), da hier klassische Methoden oft an Grenzen stoßen (z. B. Vorzeichenproblem).
• Ausblick: Kurzfristig könnten hybride Algorithmen (Kombination aus klassischen Tensor-Netzwerken und Quantenhardware) die besten Chancen auf einen nützlichen Vorteil bieten. Langfristig ist jedoch eine vollständige Fehlerkorrektur und die Überwindung der physikalischen Skalierungsgesetze (wie der Orthogonalitätskatastrophe) notwendig.

Zusammenfassend warnen die Autoren vor überzogenen Erwartungen bezüglich der kurzfristigen Anwendbarkeit von Quantencomputern in der Quantenchemie und betonen die Notwendigkeit, Hardware-Anforderungen und algorithmische Grenzen realistischer zu bewerten.